大规模InfiniBand网络自学习的故障诊断方法
대규모InfiniBand망락자학습적고장진단방법
Incremental learning method for fault diagnosis in large-scale InfiniBand network
  • 万方数据
    计算机应用 계산궤응용
    Journal of Computer Applications
    2015年 11期 3092-3096 ,共5页

    胡银辉%陈琳

    호은휘%진림

    数据中心%InfiniBand%故障诊断%贝叶斯分类%增量学习 數據中心%InfiniBand%故障診斷%貝葉斯分類%增量學習
    수거중심%InfiniBand%고장진단%패협사분류%증량학습
    data center%InfiniBand%fault diagnosis%Bayes classification%incremental learning
    针对大规模数据中心网络中如何有效监控网络异常事件、发现网络性能瓶颈和潜在故障点等问题,在深入分析InfiniBand (IB)网络的特性,引入了特征选取策略和增量学习策略的基础上,提出了一种面向大规模IB网络增量学习的故障诊断方法IL_Bayes,该方法以贝叶斯分类方法为基础,加入增量学习机制,能够有效提高故障分类精度.在天河2真实的网络环境下,对算法的诊断精度和误诊率进行了验证,结果表明IL_Bayes算法具有较高的故障分类精度和较低的误诊率.
    침대대규모수거중심망락중여하유효감공망락이상사건、발현망락성능병경화잠재고장점등문제,재심입분석InfiniBand (IB)망락적특성,인입료특정선취책략화증량학습책략적기출상,제출료일충면향대규모IB망락증량학습적고장진단방법IL_Bayes,해방법이패협사분류방법위기출,가입증량학습궤제,능구유효제고고장분류정도.재천하2진실적망락배경하,대산법적진단정도화오진솔진행료험증,결과표명IL_Bayes산법구유교고적고장분류정도화교저적오진솔.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문