[发明专利]一种基于加权交叉降维的服务系统可靠性预测方法在审
申请号: | 202211295972.9 | 申请日: | 2022-10-21 |
公开(公告)号: | CN115688999A | 公开(公告)日: | 2023-02-03 |
发明(设计)人: | 曹志英;阎述伟;张秀国;陈志伟 | 申请(专利权)人: | 大连海事大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06F18/2113;G06F18/214;G06N20/20 |
代理公司: | 大连东方专利代理有限责任公司 21212 | 代理人: | 吴婷婷;李洪福 |
地址: | 116026 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 加权 交叉 服务 系统 可靠性 预测 方法 | ||
本发明提供一种基于加权交叉降维的服务系统可靠性预测方法,包括:获取训练用服务系统特征数据,计算系统可靠性值;获取基础特征并将所述基础特征内的数据顺序随机打乱后作为噪声特征,建立特征交叉窗口;基于特征筛选对所述特征交叉窗口内的特征进行降维;根据降维特征占全部特征数据的比值判断降维幅度是否达到要求;通过基于梯度的单边采样算法对所述降维特征进行加权采样,获取降维特征的残差特征;通过降维特征和残差特征训练XGBoost模型。本发明对特征数据进行加权交叉降维处理,改进了可靠性值的计算方法,解决了大型服务系统特征数量过多导致的学习器过拟合问题,并且充分利用高维数据的训练优势,提高预测准确性。
技术领域
本发明涉及信息技术领域,具体而言,尤其涉及一种基于加权交叉降维 的服务系统可靠性预测方法。
背景技术
服务系统能够将WEB服务集成起来满足用户需要。具有跨平台性、低 耦合性、可扩展性等特点,其可靠性会因为位置、通信链路等外部原因以及 服务自身内部原因发生波动。服务系统的可靠性预测能提前了解服务系统的 可靠性变化趋势,可以在服务系统发生故障之前采取替换等措施,减少不可 靠情况发生,有助于提高服务系统运行的稳定性。
目前,服务系统的可靠性预测方法大都基于统计学思想或深度学习思想。
基于统计学的可靠性预测方法主要包括CART决策树算法(Decision Tree-CART,DT-CART)、隐马尔可夫模型(Hidden Markov Model,HMM)、 协同过滤算法(CollaborativeFiltering,CF)等。
DT-CART算法是在已知各种情况发生概率的基础上,通过构建基于基尼 系数的决策树来评价项目风险并判断其可行性的决策分析方法,是直观运用 概率分析的一种图解法。该算法对连续性的数值较难预测且对有时间顺序的 数据需要很多预处理工作。
HMM模型描述一个含有隐含未知参数的马尔可夫过程,从可观察的参 数中确定该过程的隐含参数。HMM模型可以进一步地学习时间序列的规律, 但是该模型是无记忆性的且与其前一个状态有关,因此无法有效利用上下文 的信息,预测过程具有局限性。
协同过滤法通过建立项目相似性模型,基于对历史经验数据的挖掘分析 生成预测结果。这种方法虽然简单有效,但是无法对历史经验之外的情况进 行预测,同时仅通过调用服务的成功率来定义可靠性值会导致“梯度丢失” 问题。
基于深度学习的可靠性预测方法主要包括拓扑神经网络模型 (Topology-AwareNeural,TAN)、卷积神经网络模型(Convolutional Neural Networks,CNN)、长短型记忆神经网络模型(Long Short-Term Memory, LSTM)等。
TAN模型利用显式路径建模层和隐式交叉建模层分别捕捉路径特征和端 点交叉特征,能够学习网络拓扑对预测结果的影响,但是无法处理复杂的动 态拓扑结构,因此只适合网络结构不复杂且对响应时间要求不高的业务场景。
CNN能利用卷积层和池化层进行特征提取以缓和高维数据带来的训练 压力,但是模型的训练时间较长,难以满足实际业务需求。
LSTM模型可以利用神经元的记忆功能实现对时间序列的建模但难以处 理高维数据,同时由于可靠性值计算不准确在预测高维数据时误差进一步增 大。
综上,现有的服务系统可靠性预测方法还存在以下问题:
可靠性值的计算不准确。大多数近期研究仅通过调用服务的成功率来定 义可靠性值。但是像响应时间、验证次数等指标也会影响服务系统的可靠性, 如果计算可靠性值时只考虑单一因素就会导致计算结果无法准确反映出真实 系统可靠性状态的变化。
学习器易过拟合,预测准确率低,时间效率低。大多数可靠性预测方法 无法妥善处理服务系统采集的高维数据,从而导致过拟合问题,既影响预测 结果的准确率,又会导致训练和预测时间过长。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大连海事大学,未经大连海事大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211295972.9/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理