基于COG-OS框架利用SMART预测云计算平台的硬盘故障
[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.
【作者单位】: 南京大学计算机科学与技术系;计算机软件新技术国家重点实验室(南京大学);阿里云计算有限公司飞天-结构化数据服务;
【基金】:国家863计划项目(2011AA01A202)
【分类号】:TP333.35
【参考文献】
相关期刊论文 前1条
1 林智勇;郝志峰;杨晓伟;;不平衡数据分类的研究现状[J];计算机应用研究;2008年02期
【共引文献】
相关期刊论文 前10条
1 谢纪刚;裘正定;;非平衡数据集Fisher线性判别模型[J];北京交通大学学报;2006年05期
2 张英俊;周海英;;基于分块主色调和纹理特征的彩色图像检索[J];电脑开发与应用;2010年02期
3 罗兵;;自动质量检测系统的性能评价指标[J];电子质量;2008年01期
4 李正欣;赵林度;;基于SMOTEBoost的非均衡数据集SVM分类器[J];系统工程;2008年05期
5 刘天羽;李国正;;大脑胶质瘤诊断中不均衡问题的特征选择[J];广西师范大学学报(自然科学版);2009年03期
6 朱明;陶新民;;基于随机下采样和SMOTE的不均衡SVM分类算法[J];信息技术;2012年01期
7 程华;房一泉;;基于聚类分析的网络流量高斯混合模型[J];华东理工大学学报(自然科学版);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 邹权;郭茂祖;刘扬;王峻;;类别不平衡的分类方法及在生物信息学中的应用[J];计算机研究与发展;2010年08期
10 周广通;尹义龙;郭心建;董彩玲;;VOTCL及其在交叉销售问题上的应用研究[J];计算机研究与发展;2010年09期
相关博士学位论文 前10条
1 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
2 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
3 李军;不平衡数据学习的研究[D];吉林大学;2011年
4 高赞;基于内容的视频分析关键技术[D];北京邮电大学;2011年
5 黄静华;支持向量机算法研究及在气象数据挖掘中的应用[D];中国矿业大学(北京);2011年
6 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
7 罗建宏;粒计算分类知识发现算法及其应用[D];浙江大学;2010年
8 郑恩辉;基于支持向量机的代价敏感数据挖掘研究与应用[D];浙江大学;2006年
9 刘万里;支持向量机中若干问题及应用研究[D];西安电子科技大学;2008年
10 谷琼;面向非均衡数据集的机器学习及在地学数据处理中的应用[D];中国地质大学;2009年
相关硕士学位论文 前10条
1 朱新荣;径向基函数神经网络集成算法的研究及应用[D];大连理工大学;2010年
2 饶裕平;基于视频的森林火灾识别方法研究[D];浙江农林大学;2010年
3 李明方;少数类数据识别方法及性能评价[D];山东师范大学;2011年
4 王瑞伟;网络安全取证的应用研究[D];江南大学;2011年
5 龚薇;失衡样本分类问题的自动过滤算法的研究[D];华东师范大学;2011年
6 刘国强;基于组合抽样技术的集成学习算法研究与应用[D];中国海洋大学;2011年
7 袁兴梅;面向不平衡数据的结构化支持向量机集成方法研究[D];南京师范大学;2011年
8 苏攀;不平衡分类器博弈模型及其在中国象棋中的应用[D];河北大学;2011年
9 童智靖;不均衡数据下基于SVM的分类算法研究与应用[D];哈尔滨工程大学;2011年
10 徐红国;基于数据分布特征的文本分类研究[D];山西大学;2011年
【相似文献】
相关期刊论文 前10条
1 沈莉芳;方贵盛;;支持向量机及其在草图编辑手势识别中的应用[J];电脑知识与技术(学术交流);2006年23期
2 王旭;周南;;一种基于SVM的BCI系统的研究与设计[J];农业网络信息;2008年11期
3 程香;袁兆山;;基于支持向量机的信息系统性能评估[J];计算机工程与应用;2009年18期
4 毕路拯;张然;高原;吴平东;;基于认知任务的脑机接口方法研究[J];计算机工程;2007年01期
5 戴宏亮;;智能拉普拉斯分类器[J];中山大学学报(自然科学版);2009年02期
6 倪茂树;赵晶;林鸿飞;;生物医学文本分类方法比较研究[J];计算机工程与应用;2007年12期
7 唐艳;柳建新;龚安栋;;ICA+CSSD的脑-机接口分类[J];电子科技大学学报;2008年03期
8 赵明渊;周明天;许雄基;张渡;;基于支持向量机的脑——机接口模式分类和模型参数研究[J];计算机应用;2007年02期
9 庞九凤;李险峰;谢劲松;佟冬;程旭;;基于支持向量机的微体系结构设计空间探索(英文)[J];北京大学学报(自然科学版);2010年01期
10 ;《模式识别与人工智能》2005年总目次[J];模式识别与人工智能;2005年06期
相关博士学位论文 前5条
1 綦宏志;脑—机接口中上肢想象动作侧向性识别的关键技术研究[D];天津大学;2008年
2 叶柠;基于脑电信号的脑—机接口的关键技术与实验研究[D];东北大学;2010年
3 周鹏;基于运动想象的脑机接口的研究[D];天津大学;2007年
4 赵海滨;脑—机接口的特征提取和分类方法研究[D];东北大学;2009年
5 张海涛;自律计算系统的自律可信性评估研究[D];哈尔滨工程大学;2010年
相关硕士学位论文 前10条
1 李嘉;基于支持向量机的软件可靠性早期预测研究[D];合肥工业大学;2005年
2 万以华;半导体神经计算机硬件实现研究及在全方位实物识别中的应用[D];浙江工业大学;2006年
3 王晓勇;基于集成支持向量机的P300脑机接口信号识别算法研究[D];燕山大学;2009年
4 牛砚波;多类分类支持向量机在嵌入式语音识别系统中的研究[D];太原理工大学;2012年
5 邓万昌;基于事件相关电位的脑机接口研究[D];北京交通大学;2009年
6 王江;基于脑电mu节律的脑—机接口系统的研究[D];河北工业大学;2006年
7 郭凯;基于运动想象的脑机接口的研究及其应用[D];杭州电子科技大学;2011年
8 王玉常;基于嵌入式系统的优化算法设计和研究[D];浙江大学;2008年
9 王艳景;基于运动想象的脑—机接口关键技术研究[D];山西大学;2011年
10 高保平;嵌入式字符识别技术的研究与开发[D];江南大学;2012年
,本文编号:2450631
本文链接:https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2450631.html