發(fā)布時(shí)間：2018-03-02 11:46

  本文選題：硬盤(pán)故障監(jiān)測(cè)　切入點(diǎn)：自監(jiān)控分析報(bào)告技術(shù)(SMART)　出處：《計(jì)算機(jī)研究與發(fā)展》2014年S1期 　論文類(lèi)型：期刊論文

【摘要】：硬盤(pán)故障給數(shù)據(jù)中心的可靠性和可用性帶來(lái)的影響越來(lái)越大,采用不同的機(jī)器學(xué)習(xí)方法構(gòu)建基于自監(jiān)控分析報(bào)告技術(shù)(self-monitoring,analysis and reporting technology,SMART)屬性的硬盤(pán)故障預(yù)測(cè)模型策略的研究已經(jīng)取得了一定的效果.但這些模型策略無(wú)法得到較為穩(wěn)定的預(yù)測(cè)效果,并且無(wú)法選擇適合于不同用戶(hù)需求的最佳模型.為得到更高的準(zhǔn)確率和較低的誤報(bào)率,實(shí)現(xiàn)了基于A(yíng)daboost算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型優(yōu)化方法.在此基礎(chǔ)上,為更好地適用于實(shí)際工作場(chǎng)景,實(shí)現(xiàn)了根據(jù)遺傳算法(genetic algorithm,GA),按照用戶(hù)的預(yù)測(cè)效果要求,選擇出最恰當(dāng)?shù)念A(yù)測(cè)模型的方法,在不同的效果要求下選用不同的預(yù)測(cè)模型.
[Abstract]:Hard disk failures have a growing impact on the reliability and availability of data centers, Different machine learning methods have been used to construct the hard disk fault prediction model strategy based on self-monitoring analysis and reporting technology. However, these model strategies can not achieve a more stable prediction effect. In order to get higher accuracy and lower false alarm rate, BP neural network prediction model optimization method based on Adaboost algorithm is realized. In order to be more suitable for the practical work scenario, according to the genetic algorithm, according to the requirement of the user's prediction effect, the method of selecting the most appropriate prediction model is selected, and the different prediction model is selected under different effect requirements.
【作者單位】： 南開(kāi)大學(xué)軟件學(xué)院;南開(kāi)大學(xué)計(jì)算機(jī)與控制工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61373018,11301288) 教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃基金項(xiàng)目(NCET-13-0301) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)基金項(xiàng)目(65141021)
【分類(lèi)號(hào)】：TP18;TP333.35

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙江,徐魯安;基于A(yíng)daBoost算法的目標(biāo)檢測(cè)[J];計(jì)算機(jī)工程;2004年04期

2 楊艷;燕東渭;趙奎鋒;魏亭;;綜合學(xué)習(xí)方法AdaBoost在暴雨預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2007年01期

3 朱文球;劉強(qiáng);;融合AdaBoost和啟發(fā)式特征搜索的人臉性別分類(lèi)[J];計(jì)算機(jī)工程;2007年02期

4 羅明剛;李一民;曾素娣;;基于A(yíng)daboost算法的人臉檢測(cè)研究[J];計(jì)算機(jī)與數(shù)字工程;2007年02期

5 李建彬;王勇;鄭輝;牛忠霞;;AdaBoost for Improved Voice-Band Signal Classification[J];Journal of Donghua University(English Edition);2007年02期

6 熊盛武;宗欣露;朱國(guó)鋒;;改進(jìn)的基于A(yíng)daBoost算法的人臉檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用研究;2007年11期

7 王磊;杜利民;王勁林;;基于A(yíng)daBoost的音樂(lè)情緒分類(lèi)[J];電子與信息學(xué)報(bào);2007年09期

8 龍敏;黃福珍;邊后琴;;基于A(yíng)daboost算法的多角度人臉檢測(cè)[J];計(jì)算機(jī)仿真;2007年11期

9 何毓知;陸建峰;;基于A(yíng)daboost的行道線(xiàn)檢測(cè)[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年06期

10 朱文佳;戚飛虎;;基于Gentle Adaboost的行人檢測(cè)[J];中國(guó)圖象圖形學(xué)報(bào);2007年10期

相關(guān)會(huì)議論文 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計(jì)算機(jī)應(yīng)用與系統(tǒng)建模國(guó)際會(huì)議論文集[C];2012年

2 張超;苗振江;;基于A(yíng)daBoost的面部信息感知[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于A(yíng)daboost算法的頸動(dòng)脈粥樣硬化判別方法[A];中國(guó)儀器儀表學(xué)會(huì)第十一屆青年學(xué)術(shù)會(huì)議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測(cè)中的應(yīng)用[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于A(yíng)daBoost算法的亞細(xì)胞位置預(yù)測(cè)[A];中國(guó)化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場(chǎng)論文集[C];2008年

6 陳宏偉;劉建偉;費(fèi)向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于A(yíng)daBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 張彬;金連文;;基于A(yíng)daBoost的手寫(xiě)體漢字相似字符識(shí)別[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于A(yíng)daBoost-SVM的上市公司信用風(fēng)險(xiǎn)評(píng)估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會(huì)論文集[C];2012年

相關(guān)博士學(xué)位論文 前3條

1 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

2 張?zhí)珜?人眼注視點(diǎn)估計(jì)方法的研究[D];南開(kāi)大學(xué);2013年

3 趙培英;基于智能計(jì)算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測(cè)研究[D];東華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 張馳;基于粒子群的AdaBoost算法及其在人臉檢測(cè)中的應(yīng)用研究[D];華中師范大學(xué);2010年

2 史萬(wàn)莉;基于協(xié)作AdaBoost的多特征多姿態(tài)人臉檢測(cè)研究[D];中北大學(xué);2011年

3 龍敏;基于多示例學(xué)習(xí)的Adaboost算法及其在人臉檢測(cè)中的應(yīng)用[D];上海交通大學(xué);2007年

4 林鵬;基于A(yíng)daboost算法的人臉檢測(cè)研究及實(shí)現(xiàn)[D];西安理工大學(xué);2007年

5 孫煒;Adaboost算法在嵌入式系統(tǒng)中的實(shí)現(xiàn)與改進(jìn)[D];上海交通大學(xué);2008年

6 鄧鵬;基于膚色和AdaBoost的多姿態(tài)人臉檢測(cè)方法[D];北京理工大學(xué);2008年

7 崔曉青;基于A(yíng)daBoost算法的人臉檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D];吉林大學(xué);2008年

8 陳超;基于新特征的AdaBoost算法的色情圖片檢測(cè)[D];廣西民族大學(xué);2011年

9 夏云偉;基于A(yíng)daboost算法的人臉檢測(cè)的研究[D];黑龍江大學(xué);2011年

10 廖文軍;基于連續(xù)Adaboost算法的多角度人臉檢測(cè)技術(shù)研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2012年

，

本文編號(hào)：1556390