面向磁盘故障预测的机器学习方法比较

发布时间：2018-01-04 12:24

  本文关键词：面向磁盘故障预测的机器学习方法比较　出处：《计算机工程与科学》2015年12期 　论文类型：期刊论文

  更多相关文章： 磁盘 故障预测 机器学习

【摘要】：磁盘是保存数据的重要载体,提高磁盘的可靠性和数据可用性具有重要意义。现代磁盘普遍支持SMART协议,用来监控磁盘的内部工作状态。采用机器学习方法,分析磁盘的SMART信息,实现对磁盘故障的预测。所采用的机器学习方法包括反向神经网络、决策树、支持向量机以及简单贝叶斯,并采用实际磁盘SMART数据进行验证与分析。基于上述数据,对不同机器学习方法的有效性及其效果进行了对比。结果表明,决策树方法的预测率最好,支持向量机方法的误报率最低。
[Abstract]:The disk is an important carrier to save the data , improve the reliability of the disk and the availability of data . The modern disk generally supports the SMART protocol to monitor the internal working state of the disk . The machine learning method includes reverse neural network , decision tree , support vector machine and simple Bayesian , and uses the actual disk SMART data for verification and analysis . Based on the above data , the validity and the effect of the learning method of different machines are compared . The results show that the forecasting rate of the decision tree method is the best , and the error rate of the support vector machine method is the lowest .

【作者单位】： 国防科学技术大学计算机学院;高性能计算国家重点实验室;
【基金】：国家863计划资助项目(2012AA01A301) 国家自然科学基金资助项目(61272141,61303068,61120106005)
【分类号】：TP181;TP333.35
【正文快照】： 1引言数据是信息系统的核心,其可用性是保证信息系统正常运行的关键。存储系统负责保存数据,提供数据访问接口,是信息系统的主要组成部分之一,其可靠性一直是研究人员与工业界关注的焦点。到目前为止,磁盘仍然是存储系统的核心组成部分。磁盘能否提供稳定可靠的数据访问能力,

【相似文献】

相关期刊论文 前10条

1 张明玉,倪志伟;基于机器学习的智能决策支持系统[J];淮南师范学院学报;2005年03期

2 杨凌霄;武建平;;机器学习方法在人脸检测中的应用[J];计算机与数字工程;2008年03期

3 ;第十一届中国机器学习会议[J];智能系统学报;2008年02期

4 ;第14届中国机器学习会议[J];智能系统学报;2012年06期

5 费宗铭;吕建;王志坚;陈道蓄;徐家福;;机器学习[J];计算机科学;1991年01期

6 赵沁平;魏华;王军玲;;机器学习技术与机器学习系统[J];计算机科学;1993年05期

7 姚敏;机器学习及其发展方向[J];计算机时代;1994年04期

8 ;第31届机器学习国际会议(英文)[J];智能系统学报;2014年01期

9 黄海滨;机器学习及其主要策略[J];河池师范高等专科学校学报(自然科学版);2000年04期

10 佘玉梅;一种协调机器学习方法研究[J];云南民族学院学报(自然科学版);2000年03期

相关会议论文 前10条

1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 王昊;李银波;纪志梁;;利用机器学习方法预测严重药物不良反应-呼吸困难[A];中国化学会第28届学术年会第13分会场摘要集[C];2012年

3 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

4 周晴杰;徐立鸿;吴启迪;;机器学习串级结构的初步探讨[A];1998年中国控制会议论文集[C];1998年

5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

7 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

8 黄金铁;李景银;周建常;;对高炉炉况评价模型参数的机器学习——一个三类线性模式分类器的实现[A];1995中国控制与决策学术年会论文集[C];1995年

9 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年

10 张钹;张铃;;统计学习理论及其应用[A];2001年中国智能自动化会议论文集（上册）[C];2001年

相关重要报纸文章 前10条

1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年

2 IBM大数据专家 James Kobielus　范范 编译;机器学习已成为大数据基石[N];网络世界;2014年

3 本报记者 房琳琳;合久必分：分布式“机器学习”应运而生[N];科技日报;2014年

4 雨辰;机器学习类图书为什么火爆[N];中华读书报;2014年

5 百度公司技术副总监 多媒体部负责人 余凯;深度学习与多媒体搜索技术演进[N];中国信息化周报;2013年

6 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年

7 本报记者 张晔邋通讯员 李玮;周志华：永不墨守成规[N];科技日报;2008年

8 记者　 彭德倩;机器学习精度提升近6个百分点[N];解放日报;2006年

9 本报记者 闵杰;大数据热 高端人才缺[N];中国电子报;2013年

10 沈建苗 编译;如何成为大数据科学家[N];计算机世界;2013年

相关博士学位论文 前10条

1 董春茹;机器学习中的权重学习与差分演化[D];华南理工大学;2015年

2 赵玉鹏;机器学习的哲学探索[D];大连理工大学;2010年

3 胡巍;面向格结构的机器学习[D];上海交通大学;2009年

4 张义荣;基于机器学习的入侵检测技术研究[D];国防科学技术大学;2005年

5 钱线;快速精确的结构化机器学习方法研究[D];复旦大学;2010年

6 梁锡军;稀疏优化在机器学习中的若干应用[D];大连理工大学;2013年

7 蒋刚;核机器学习方法若干问题研究[D];西南交通大学;2006年

8 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年

9 周伟达;核机器学习方法研究[D];西安电子科技大学;2003年

10 熊毅;基于机器学习的蛋白质结合位点特征化和预测方法研究[D];武汉大学;2011年

相关硕士学位论文 前10条

1 毛海斌;基于半监督机器学习的情感分类领域适应问题研究[D];南京理工大学;2015年

2 安军辉;基于微博数据的微博用户性别判断研究[D];华中师范大学;2015年

3 陈召阳;基于机器学习的改性麦槽吸附重金属构效关系模型研究[D];江西理工大学;2014年

4 王成;基于半监督机器学习的文本情感分析技术[D];南京理工大学;2015年

5 孙科;基于Spark的机器学习应用框架研究与实现[D];上海交通大学;2015年

6 刘江龙;基于机器学习的射频指纹定位方法研究[D];电子科技大学;2015年

7 胡永钢;序列联配的算法比较与机器学习在其中的应用研究[D];江南大学;2005年

8 郭海锋;基于机器学习的动态仪价模型研究[D];延边大学;2005年

9 刘华煜;基于支持向量机的机器学习研究[D];大庆石油学院;2005年

10 翟煦;基于机器学习的情景词库构建与实现[D];华南理工大学;2013年

，

本文编号：1378510