一种基于隐马尔科夫模型的软件系统状态预测方法

    公开(公告)号:CN104699606A

    公开(公告)日:2015-06-10

    申请号:CN201510099169.1

    申请日:2015-03-06

    IPC分类号: G06F11/36

    摘要: 一种基于隐马尔科夫模型的软件系统状态预测方法,包括以下步骤:构造训练样本集,采用K均值聚类算法将训练样本集中的样本聚为k簇;构造隐马尔科夫模型λ=[π,A,B],将训练样本集中的k个簇作为模型的观测状态,将系统状态作为隐藏状态;对隐马尔科夫模型进行训练,得到新的隐马尔科夫模型;利用采集的系统观测值和新的隐马尔科夫模型对系统实际状态进行预测。本发明基于隐马尔科夫模型对系统实际状态和系统观测参数之间关系进行建模,进而根据系统观测值对系统实际状态进行预测,能够根据系统的观测值对系统软件状态进行准确的预测,有助于运维人员及早发现和处理可能的问题,防止功能降级,或者系统崩溃,预测准确率高。

    一种基于隐马尔科夫模型的软件系统状态预测方法

    公开(公告)号:CN104699606B

    公开(公告)日:2017-05-24

    申请号:CN201510099169.1

    申请日:2015-03-06

    IPC分类号: G06F11/36

    摘要: 一种基于隐马尔科夫模型的软件系统状态预测方法,包括以下步骤:构造训练样本集,采用K均值聚类算法将训练样本集中的样本聚为k簇;构造隐马尔科夫模型λ=[π,A,B],将训练样本集中的k个簇作为模型的观测状态,将系统状态作为隐藏状态;对隐马尔科夫模型进行训练,得到新的隐马尔科夫模型;利用采集的系统观测值和新的隐马尔科夫模型对系统实际状态进行预测。本发明基于隐马尔科夫模型对系统实际状态和系统观测参数之间关系进行建模,进而根据系统观测值对系统实际状态进行预测,能够根据系统的观测值对系统软件状态进行准确的预测,有助于运维人员及早发现和处理可能的问题,防止功能降级,或者系统崩溃,预测准确率高。