计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
1期
31-35,188
,共6页
COG-OS框架%自我监测分析和报告技术%K-均值%少量样本合成过采样技术%LIBSVM%支持向量机
COG-OS框架%自我鑑測分析和報告技術%K-均值%少量樣本閤成過採樣技術%LIBSVM%支持嚮量機
COG-OS광가%자아감측분석화보고기술%K-균치%소량양본합성과채양기술%LIBSVM%지지향량궤
Classification using lOcal clusterinG with Over-Sampling (COG-OS) framework%Self-Monitoring Analysis and Reporting Technology (SMART)%K-means%Synthetic Minority Over-sampling TEchnique (SMOTE)%LIBSVM%Support Vector Machine (SVM)
针对云计算平台的硬盘不可靠问题,提出基于带过采样的COG(COG-OS)框架,利用硬盘自我监测分析和报告技术(SMART)日志预测故障硬盘.首先采用DBScan或K-means聚类算法将无故障硬盘样本划分成多个不相交子集;再与故障硬盘样本结合,采用少量样本合成过采样技术(SMOTE)使整体样本集趋于平衡;最后采用LIBSVM分类算法预测故障硬盘.调整参数,将COG-OS与SMOTE+支持向量机(SVM)的预测性能相比较,实验结果表明该方法具有可行性.当采用K-means方法划分无故障盘样本,并采用径向基函数(RBF)内核的LIBSVM方法预测故障盘时,COG-OS改善了SMOTE+ SVM对故障硬盘的预测查全率和整体性能.
針對雲計算平檯的硬盤不可靠問題,提齣基于帶過採樣的COG(COG-OS)框架,利用硬盤自我鑑測分析和報告技術(SMART)日誌預測故障硬盤.首先採用DBScan或K-means聚類算法將無故障硬盤樣本劃分成多箇不相交子集;再與故障硬盤樣本結閤,採用少量樣本閤成過採樣技術(SMOTE)使整體樣本集趨于平衡;最後採用LIBSVM分類算法預測故障硬盤.調整參數,將COG-OS與SMOTE+支持嚮量機(SVM)的預測性能相比較,實驗結果錶明該方法具有可行性.噹採用K-means方法劃分無故障盤樣本,併採用徑嚮基函數(RBF)內覈的LIBSVM方法預測故障盤時,COG-OS改善瞭SMOTE+ SVM對故障硬盤的預測查全率和整體性能.
침대운계산평태적경반불가고문제,제출기우대과채양적COG(COG-OS)광가,이용경반자아감측분석화보고기술(SMART)일지예측고장경반.수선채용DBScan혹K-means취류산법장무고장경반양본화분성다개불상교자집;재여고장경반양본결합,채용소량양본합성과채양기술(SMOTE)사정체양본집추우평형;최후채용LIBSVM분류산법예측고장경반.조정삼수,장COG-OS여SMOTE+지지향량궤(SVM)적예측성능상비교,실험결과표명해방법구유가행성.당채용K-means방법화분무고장반양본,병채용경향기함수(RBF)내핵적LIBSVM방법예측고장반시,COG-OS개선료SMOTE+ SVM대고장경반적예측사전솔화정체성능.
