[发明专利]基于IFA-BP-Adaboost的云数据中心故障检测方法

权利要求书

1.一种基于IFA-BP-Adaboost的云数据中心故障检测方法，其特征在于，所述方法包括以下步骤：

步骤1，监测云数据中心系统的运行状态，采集故障特征信息，获得监测数据集；

步骤2，利用主成分分析法对监测数据集进行特征提取，得到训练样本集；

步骤3，确定用于云数据中心故障检测的BP神经网络的结构，初始化训练样本的权值分布；

步骤4，使用改进萤火虫算法IFA计算BP神经网络的初始最优权值和阈值，构建若干IFA-BP神经网络；

步骤5，使用训练样本集对各IFA-BP神经网络进行训练，根据Adaboost算法计算各IFA-BP神经网络的权重；

步骤6，根据各IFA-BP神经网络的权重动态构建基于IFA-BP-AdaBoost的云数据中心故障检测模型；

步骤7，对目标系统采集的监测数据进行特征提取，输入到训练好的IFA-BP-AdaBoost云数据中心故障检测模型中，分析判断是否出现故障。

2.根据权利要求1所述的基于IFA-BP-Adaboost的云数据中心故障检测方法，其特征在于，步骤1中故障特征信息F为一个四元组：

F＝(F_cpu,F_Networks,F_Storage,F_I/O) (1)

其中，F_cpu表示云数据中心的计算资源属性，F_cpu＝x₁，x₂，x₃，x₁表示用户级别的CPU使用率，x₂表示系统级别的CPU使用率，x₃表示空闲CPU百分比；F_Networks表示云数据中心的网络资源属性，F_Networks＝x₄，x₅，x₆，x₇，x₄表示接收时产生错误的数据包数，x₅表示每秒接收的包数，x₆表示每秒发送的包数，x₇表示发送时产生错误的数据包数；F_Storage表示云数据中心的存储资源属性，F_Storage＝x₈，x₉，x₁₀，x₁₁，x₈表示目前内存的使用率，x₉表示可用的空闲内存，x₁₀表示已经使用的内存，x₁₁表示每秒从磁盘或虚拟内存置换到内存的字节数；F_I/o表示云数据中心的I/O资源属性，F_I/o＝x₁₂，x₁₃，x₁₄，x₁₂表示每秒向磁盘设备请求数据的总次数，x₁₃表示每秒向磁盘设备的读请求次数，x₁₄表示每秒向磁盘设备的写请求次数；

步骤1中监测数据集为KF，KF＝{F₁，F₂，…，F_i，…，F_n}，n为监测数据集中样本个数，i＝1，…，n，F_i为第i个样本对应的故障特征信息。