一种资源与服务性能关系的建模方法

发布时间：2017-07-14 00:32

  本文关键词：一种资源与服务性能关系的建模方法

  更多相关文章： 云服务 性能模型 资源状态 协同过滤推荐 支持向量回归

【摘要】：获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.
【作者单位】： 东北大学信息科学与工程学院;
【关键词】： 云服务 性能模型 资源状态 协同过滤推荐 支持向量回归
【基金】：宁夏回族自治区自然科学基金资助项目(NZ13265) 中央高校基本科研业务费专项资金资助项目(N120804001,N120604003) 沈阳市科技基金资助项目(F12-277-1-80) 国家科技支撑计划项目(2014BAI17B00)
【分类号】：TP393.09
【正文快照】： 云环境中的资源(CPU个数、内存大小等)是按需付费的,因此往往希望能够尽可能准确地估计在给定资源数量下的服务性能.为此,通常需要建立能够描述资源与服务性能之间关系的服务性能模型.为了构建服务性能模型,现有研究大多采用回归分析、排队论模型、机器学习等方法.文献[1]采用

【共引文献】

中国期刊全文数据库 前4条

1 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

2 尹子任;苏小林;;基于粒子群算法优化支持向量机的输电线路覆冰预测[J];电力学报;2014年01期

3 赵广杰;尹四清;;基于支持向量机回归多属性智能电视电影推荐[J];电视技术;2015年06期

4 许云峰;马春子;霍守亮;席北斗;钱光人;;以程海为例用支持向量机回归算法预测叶绿素a浓度[J];环境工程技术学报;2012年03期

中国重要会议论文全文数据库 前1条

1 ;Research on Ranking Support Vector Machine and Prospects[A];第二十九届中国控制会议论文集[C];2010年

中国博士学位论文全文数据库 前2条

1 刘高峰;极化SAR图像特征提取与分类方法研究[D];西安电子科技大学;2014年

2 葛W，

本文编号：538988