【摘要】：針對云計(jì)算平臺的硬盤不可靠問題,提出基于帶過采樣的COG(COG-OS)框架,利用硬盤自我監(jiān)測分析和報(bào)告技術(shù)(SMART)日志預(yù)測故障硬盤。首先采用DBScan或K-means聚類算法將無故障硬盤樣本劃分成多個(gè)不相交子集;再與故障硬盤樣本結(jié)合,采用少量樣本合成過采樣技術(shù)(SMOTE)使整體樣本集趨于平衡;最后采用LIBSVM分類算法預(yù)測故障硬盤。調(diào)整參數(shù),將COG-OS與SMOTE+支持向量機(jī)(SVM)的預(yù)測性能相比較,實(shí)驗(yàn)結(jié)果表明該方法具有可行性。當(dāng)采用K-means方法劃分無故障盤樣本,并采用徑向基函數(shù)(RBF)內(nèi)核的LIBSVM方法預(yù)測故障盤時(shí),COG-OS改善了SMOTE+SVM對故障硬盤的預(yù)測查全率和整體性能。
[Abstract]:In order to solve the problem of unreliability of hard disk in cloud computing platform, a COG (COG-OS) framework with oversampling is proposed. The (SMART) log of hard disk self-monitoring and reporting technology is used to predict the faulty hard disk. Firstly, DBScan or K-means clustering algorithm is used to divide the fault-free hard disk samples into several disjoint subsets, and then combined with the fault hard disk samples, a small number of samples are synthesized and oversampled technique (SMOTE) is used to make the whole sample set tend to balance. Finally, the LIBSVM classification algorithm is used to predict the fault hard disk. By adjusting the parameters, the prediction performance of COG-OS and SMOTE support vector machine (SVM) is compared. The experimental results show that the proposed method is feasible. When the K-means method is used to divide the fault-free disk samples, and the radial basis function (RBF) kernel LIBSVM method is used to predict the fault disk, COG-OS improves the prediction recall rate and the overall performance of the SMOTE SVM hard disk.
【作者單位】： 南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系;計(jì)算機(jī)軟件新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(南京大學(xué));阿里云計(jì)算有限公司飛天-結(jié)構(gòu)化數(shù)據(jù)服務(wù);
【基金】：國家863計(jì)劃項(xiàng)目(2011AA01A202)
【分類號】：TP333.35

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 林智勇;郝志峰;楊曉偉;;不平衡數(shù)據(jù)分類的研究現(xiàn)狀[J];計(jì)算機(jī)應(yīng)用研究;2008年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝紀(jì)剛;裘正定;;非平衡數(shù)據(jù)集Fisher線性判別模型[J];北京交通大學(xué)學(xué)報(bào);2006年05期

2 張英俊;周海英;;基于分塊主色調(diào)和紋理特征的彩色圖像檢索[J];電腦開發(fā)與應(yīng)用;2010年02期

3 羅兵;;自動(dòng)質(zhì)量檢測系統(tǒng)的性能評價(jià)指標(biāo)[J];電子質(zhì)量;2008年01期

4 李正欣;趙林度;;基于SMOTEBoost的非均衡數(shù)據(jù)集SVM分類器[J];系統(tǒng)工程;2008年05期

5 劉天羽;李國正;;大腦膠質(zhì)瘤診斷中不均衡問題的特征選擇[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

6 朱明;陶新民;;基于隨機(jī)下采樣和SMOTE的不均衡SVM分類算法[J];信息技術(shù);2012年01期

7 程華;房一泉;;基于聚類分析的網(wǎng)絡(luò)流量高斯混合模型[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

8 Alma Lilia Garcia-Almanza;Edward P.K.Tsang;;Evolving Decision Rules to Predict Investment Opportunities[J];International Journal of Automation & Computing;2008年01期

9 鄒權(quán);郭茂祖;劉揚(yáng);王峻;;類別不平衡的分類方法及在生物信息學(xué)中的應(yīng)用[J];計(jì)算機(jī)研究與發(fā)展;2010年08期

10 周廣通;尹義龍;郭心建;董彩玲;;VOTCL及其在交叉銷售問題上的應(yīng)用研究[J];計(jì)算機(jī)研究與發(fā)展;2010年09期

相關(guān)博士學(xué)位論文 前10條

1 陳志國;基于群體智能的機(jī)器視覺的關(guān)鍵技術(shù)研究[D];江南大學(xué);2010年

2 渠瑜;基于SVM的高不平衡分類技術(shù)研究及其在電信業(yè)的應(yīng)用[D];浙江大學(xué);2010年

3 李軍;不平衡數(shù)據(jù)學(xué)習(xí)的研究[D];吉林大學(xué);2011年

4 高贊;基于內(nèi)容的視頻分析關(guān)鍵技術(shù)[D];北京郵電大學(xué);2011年

5 黃靜華;支持向量機(jī)算法研究及在氣象數(shù)據(jù)挖掘中的應(yīng)用[D];中國礦業(yè)大學(xué)（北京）;2011年

6 張婧;基于SVM的肺結(jié)節(jié)自動(dòng)識別方法研究[D];華南理工大學(xué);2011年

7 羅建宏;粒計(jì)算分類知識發(fā)現(xiàn)算法及其應(yīng)用[D];浙江大學(xué);2010年

8 鄭恩輝;基于支持向量機(jī)的代價(jià)敏感數(shù)據(jù)挖掘研究與應(yīng)用[D];浙江大學(xué);2006年

9 劉萬里;支持向量機(jī)中若干問題及應(yīng)用研究[D];西安電子科技大學(xué);2008年

10 谷瓊;面向非均衡數(shù)據(jù)集的機(jī)器學(xué)習(xí)及在地學(xué)數(shù)據(jù)處理中的應(yīng)用[D];中國地質(zhì)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 朱新榮;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)集成算法的研究及應(yīng)用[D];大連理工大學(xué);2010年

2 饒?jiān)Ｆ?基于視頻的森林火災(zāi)識別方法研究[D];浙江農(nóng)林大學(xué);2010年

3 李明方;少數(shù)類數(shù)據(jù)識別方法及性能評價(jià)[D];山東師范大學(xué);2011年

4 王瑞偉;網(wǎng)絡(luò)安全取證的應(yīng)用研究[D];江南大學(xué);2011年

5 龔薇;失衡樣本分類問題的自動(dòng)過濾算法的研究[D];華東師范大學(xué);2011年

6 劉國強(qiáng);基于組合抽樣技術(shù)的集成學(xué)習(xí)算法研究與應(yīng)用[D];中國海洋大學(xué);2011年

7 袁興梅;面向不平衡數(shù)據(jù)的結(jié)構(gòu)化支持向量機(jī)集成方法研究[D];南京師范大學(xué);2011年

8 蘇攀;不平衡分類器博弈模型及其在中國象棋中的應(yīng)用[D];河北大學(xué);2011年

9 童智靖;不均衡數(shù)據(jù)下基于SVM的分類算法研究與應(yīng)用[D];哈爾濱工程大學(xué);2011年

10 徐紅國;基于數(shù)據(jù)分布特征的文本分類研究[D];山西大學(xué);2011年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈莉芳;方貴盛;;支持向量機(jī)及其在草圖編輯手勢識別中的應(yīng)用[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2006年23期

2 王旭;周南;;一種基于SVM的BCI系統(tǒng)的研究與設(shè)計(jì)[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2008年11期

3 程香;袁兆山;;基于支持向量機(jī)的信息系統(tǒng)性能評估[J];計(jì)算機(jī)工程與應(yīng)用;2009年18期

4 畢路拯;張然;高原;吳平東;;基于認(rèn)知任務(wù)的腦機(jī)接口方法研究[J];計(jì)算機(jī)工程;2007年01期

5 戴宏亮;;智能拉普拉斯分類器[J];中山大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

6 倪茂樹;趙晶;林鴻飛;;生物醫(yī)學(xué)文本分類方法比較研究[J];計(jì)算機(jī)工程與應(yīng)用;2007年12期

7 唐艷;柳建新;龔安棟;;ICA+CSSD的腦-機(jī)接口分類[J];電子科技大學(xué)學(xué)報(bào);2008年03期

8 趙明淵;周明天;許雄基;張渡;;基于支持向量機(jī)的腦——機(jī)接口模式分類和模型參數(shù)研究[J];計(jì)算機(jī)應(yīng)用;2007年02期

9 龐九鳳;李險(xiǎn)峰;謝勁松;佟冬;程旭;;基于支持向量機(jī)的微體系結(jié)構(gòu)設(shè)計(jì)空間探索(英文)[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

10 ;《模式識別與人工智能》2005年總目次[J];模式識別與人工智能;2005年06期

相關(guān)博士學(xué)位論文 前5條

1 綦宏志;腦—機(jī)接口中上肢想象動(dòng)作側(cè)向性識別的關(guān)鍵技術(shù)研究[D];天津大學(xué);2008年

2 葉檸;基于腦電信號的腦—機(jī)接口的關(guān)鍵技術(shù)與實(shí)驗(yàn)研究[D];東北大學(xué);2010年

3 周鵬;基于運(yùn)動(dòng)想象的腦機(jī)接口的研究[D];天津大學(xué);2007年

4 趙海濱;腦—機(jī)接口的特征提取和分類方法研究[D];東北大學(xué);2009年

5 張海濤;自律計(jì)算系統(tǒng)的自律可信性評估研究[D];哈爾濱工程大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李嘉;基于支持向量機(jī)的軟件可靠性早期預(yù)測研究[D];合肥工業(yè)大學(xué);2005年

2 萬以華;半導(dǎo)體神經(jīng)計(jì)算機(jī)硬件實(shí)現(xiàn)研究及在全方位實(shí)物識別中的應(yīng)用[D];浙江工業(yè)大學(xué);2006年

3 王曉勇;基于集成支持向量機(jī)的P300腦機(jī)接口信號識別算法研究[D];燕山大學(xué);2009年

4 牛硯波;多類分類支持向量機(jī)在嵌入式語音識別系統(tǒng)中的研究[D];太原理工大學(xué);2012年

5 鄧萬昌;基于事件相關(guān)電位的腦機(jī)接口研究[D];北京交通大學(xué);2009年

6 王江;基于腦電mu節(jié)律的腦—機(jī)接口系統(tǒng)的研究[D];河北工業(yè)大學(xué);2006年

7 郭凱;基于運(yùn)動(dòng)想象的腦機(jī)接口的研究及其應(yīng)用[D];杭州電子科技大學(xué);2011年

8 王玉常;基于嵌入式系統(tǒng)的優(yōu)化算法設(shè)計(jì)和研究[D];浙江大學(xué);2008年

9 王艷景;基于運(yùn)動(dòng)想象的腦—機(jī)接口關(guān)鍵技術(shù)研究[D];山西大學(xué);2011年

10 高保平;嵌入式字符識別技術(shù)的研究與開發(fā)[D];江南大學(xué);2012年

，

本文編號：2450631