[发明专利]一种云端移动端协同的故障预警方法、相关设备及系统

说明书

本发明公开了一种云端移动端协同的故障预警方法、相关设备及系统，通过移动端监控用户数据信息，云端接收移动端发送的数据，对移动端发送的数据进行处理，得到故障预警模型并将故障预警模型下发给移动端，移动端获取故障预警模型进行故障预警。该方法利用云端的高计算能力和大的存储空间能够有效解决用户移动端资源有限，机器学习模型训练过程中对计算能力和存储空间的需求。同时云端能够提供大量的用户数据，解决了单纯使用用户移动端数据量不足的问题，使得预警模型得到充分的训练，并且针对每种类型的移动端都训练一个预警模型能够有效提高故障预警的精确度。

技术领域

本发明属于机器学习技术应用领域，更具体地，涉及一种云端移动端协同的故障预警方法、相关设备及系统。

背景技术

随着移动通信和嵌入式技术的高速发展，移动终端的硬件性能和软件水平不断提高，不仅为用户提供了优越的用户体验，还在很大程度上提高了人们的工作效率和生活质量。移动端的应用扩展到学习、购物、网上支付、娱乐等日常生活中，其广泛使用给我们带来了便利，同时也带来了各种挑战。移动端上存储着用户大量的重要数据信息，如通讯录、日程、短信息等。一旦出现丢失、误删或其他可能导致数据无法正常使用的操作，都将给用户带来巨大麻烦。

刨除一些外在因素，移动端存储器件的健康状态至关重要，因为存储器件的损坏将会直接导致数据的不可访问。所以出现了一些针对存储器件健康状态进行预测的方法，包括物理模型预测、统计模型预测以及一些机器学习模型预测等。

但是这些现有的模型方法在进行非线性事件故障预警时还是精确度不够高，虽然有效果不错的机器学习模型，但是单纯地使用个人移动端信息来对预警模型进行训练的话，数据量不足，无法真正意义上地对模型进行良好的训练。而且因为移动端资源有限，而模型训练时需要的大计算量和存储空间也限制了预警模型的使用。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种云端移动端协同的故障预警方法、相关设备及系统，由此解决现有的单纯使用移动端进行故障预警导致的数据量不足，精确度不够高，预警模型需求的大计算量和存储空间的问题。通过云端收集的大量数据对机器学习中的模型进行训练然后用来对故障进行分析的方法，其目的在于解决现有的故障预警方法训练数据量小、精确度不够高的问题，并且能够通过云端的大计算能力和存储空间有效解决移动端资源有限的问题。

为实现上述目的，按照本发明的一个方面，提供了一种云端移动端协同的故障预警方法，包括：

移动端监控用户数据信息，并将所述数据信息进行发送；

云端接收移动端发送的数据，并对所述移动端发送的数据进行处理；

云端得到故障预警模型并将所述故障预警模型下发给移动端；

移动端获取故障预警模型进行故障预警。

进一步地，所述云端接收移动端发送的数据，并对所述移动端发送的数据进行处理，包括：

按移动端类别将数据进行分类；

按比例将所述数据切分为两部分。

进一步地，所述按比例将数据切分为两部分包括：

剔除掉数据量缺失超过50％的用户数据；

在剩下的数据中进行随机采样，继续从中选取跟移动端需要预警的故障问题密切相关的数据，将保留下来的数据按照比例进行切分，前一部分的数据作为训练数据集，后一部分的数据作为验证数据集。

进一步地，所述云端得到故障预警模型并将所述故障预警模型下发给移动端包括：

用训练数据集对故障预警模型进行训练；

用验证数据集对训练好的模型进行验证。