[發(fā)明專利]計(jì)算機(jī)性能數(shù)據(jù)確定方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010328656.1
• 申請日: 2020-04-23
• 公開（公告）號: CN111679959A
• 公開（公告）日: 2020-09-18
• 發(fā)明（設(shè)計(jì)）人: 徐銳杰
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334
• 代理人: 劉麗華;孫芬

1.一種計(jì)算機(jī)性能數(shù)據(jù)確定方法，其特征在于，所述方法包括：

獲取計(jì)算機(jī)的多個(gè)歷史性能數(shù)據(jù)序列；

使用所述多個(gè)歷史性能數(shù)據(jù)序列對長短期記憶網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的長短期記憶網(wǎng)絡(luò)；

對所述多個(gè)歷史性能數(shù)據(jù)序列進(jìn)行分類，得到N個(gè)序列類型和與所述N個(gè)序列類型一一對應(yīng)的N個(gè)歷史性能數(shù)據(jù)序列子集；

用每個(gè)歷史性能數(shù)據(jù)序列子集訓(xùn)練一個(gè)由所述預(yù)訓(xùn)練后的長短期記憶網(wǎng)絡(luò)和位于所述預(yù)訓(xùn)練后的長短期記憶網(wǎng)絡(luò)后的全連接層構(gòu)成的性能預(yù)判模型，得到與所述N個(gè)序列類型一一對應(yīng)的N個(gè)訓(xùn)練后的性能預(yù)判模型；

通過與所述計(jì)算機(jī)的待預(yù)判性能數(shù)據(jù)序列的序列類型對應(yīng)的訓(xùn)練后的性能預(yù)判模型，預(yù)判所述計(jì)算機(jī)的性能數(shù)據(jù)。

2.如權(quán)利要求1所述的方法，其特征在于，所述獲取計(jì)算機(jī)的多個(gè)歷史性能數(shù)據(jù)序列包括：

獲取多個(gè)計(jì)算機(jī)的歷史性能數(shù)據(jù)主序列，歷史性能數(shù)據(jù)主序列中的每個(gè)元素為計(jì)算機(jī)性能的狀態(tài)向量；

以預(yù)設(shè)長度h為滑窗長度，以1為步長，從每個(gè)歷史性能數(shù)據(jù)主序列中截取多個(gè)歷史性能數(shù)據(jù)序列。

3.如權(quán)利要求1所述的方法，其特征在于，所述對所述多個(gè)歷史性能數(shù)據(jù)序列進(jìn)行分類包括：

對所述多個(gè)歷史性能數(shù)據(jù)序列進(jìn)行聚類，根據(jù)接收的修改指令對聚類結(jié)果進(jìn)行修改；或

用訓(xùn)練好的預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型對所述多個(gè)歷史性能數(shù)據(jù)序列進(jìn)行分類。

4.如權(quán)利要求1所述的方法，其特征在于，所述用每個(gè)歷史性能數(shù)據(jù)序列子集訓(xùn)練一個(gè)由所述預(yù)訓(xùn)練后的長短期記憶網(wǎng)絡(luò)和位于所述預(yù)訓(xùn)練后的長短期記憶網(wǎng)絡(luò)后的全連接層構(gòu)成的性能預(yù)判模型包括：

判斷該歷史性能數(shù)據(jù)序列的數(shù)量是否大于預(yù)設(shè)閾值；

若該歷史性能數(shù)據(jù)序列的數(shù)量大于預(yù)設(shè)閾值，根據(jù)損失函數(shù)用該歷史性能數(shù)據(jù)序列子集優(yōu)化該歷史性能數(shù)據(jù)序列子集對應(yīng)的性能預(yù)判模型的參數(shù)；

若該歷史性能數(shù)據(jù)序列的數(shù)量不大于預(yù)設(shè)閾值，根據(jù)損失函數(shù)用該歷史性能數(shù)據(jù)序列子集優(yōu)化該歷史性能數(shù)據(jù)序列子集對應(yīng)的性能預(yù)判模型的全連接層的參數(shù)。

5.如權(quán)利要求1所述的方法，其特征在于，在所述通過與所述計(jì)算機(jī)的待預(yù)判性能數(shù)據(jù)序列的序列類型對應(yīng)的訓(xùn)練后的性能預(yù)判模型，預(yù)判所述計(jì)算機(jī)的性能數(shù)據(jù)之前，所述方法還包括：

根據(jù)N個(gè)歷史性能數(shù)據(jù)序列子集確定所述待預(yù)判性能數(shù)據(jù)序列的序列類型。

6.如權(quán)利要求5所述的方法，其特征在于，所述根據(jù)N個(gè)歷史性能數(shù)據(jù)序列子集確定所述待預(yù)判性能數(shù)據(jù)序列的序列類型包括：

計(jì)算N個(gè)歷史性能數(shù)據(jù)序列子集的N個(gè)中心序列，將距離所述待預(yù)判性能數(shù)據(jù)序列最近的中心序列對應(yīng)的序列類型確定為所述目標(biāo)序列類型；或

用N個(gè)歷史性能數(shù)據(jù)序列子集訓(xùn)練預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)，其中每個(gè)歷史性能數(shù)據(jù)序列子集中的每個(gè)歷史性能數(shù)據(jù)序列的標(biāo)簽為該歷史性能數(shù)據(jù)序列的序列類型，將所述待預(yù)判性能數(shù)據(jù)序列輸入訓(xùn)練后的所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)，根據(jù)訓(xùn)練后的所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的輸出確定所述待預(yù)判性能數(shù)據(jù)序列的序列類型。

7.如權(quán)利要求1-5中任一項(xiàng)所述的方法，其特征在于，所述方法還包括：

若所述計(jì)算機(jī)的性能數(shù)據(jù)預(yù)測結(jié)果不在預(yù)設(shè)正常狀態(tài)范圍，返回計(jì)算機(jī)性能異常提醒。

8.一種計(jì)算機(jī)性能數(shù)據(jù)確定裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取計(jì)算機(jī)的多個(gè)歷史性能數(shù)據(jù)序列；

第一訓(xùn)練模塊，用于使用所述多個(gè)歷史性能數(shù)據(jù)序列對長短期記憶網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的長短期記憶網(wǎng)絡(luò)；

分類模塊，用于對所述多個(gè)歷史性能數(shù)據(jù)序列進(jìn)行分類，得到N個(gè)序列類型和與所述N個(gè)序列類型一一對應(yīng)的N個(gè)歷史性能數(shù)據(jù)序列子集；

第二訓(xùn)練模塊，用于用每個(gè)歷史性能數(shù)據(jù)序列子集訓(xùn)練一個(gè)由所述預(yù)訓(xùn)練后的長短期記憶網(wǎng)絡(luò)和位于所述預(yù)訓(xùn)練后的長短期記憶網(wǎng)絡(luò)后的全連接層構(gòu)成的性能預(yù)判模型，得到與所述N個(gè)序列類型一一對應(yīng)的N個(gè)訓(xùn)練后的性能預(yù)判模型；

預(yù)判模塊，用于通過與所述計(jì)算機(jī)的待預(yù)判性能數(shù)據(jù)序列的序列類型對應(yīng)的訓(xùn)練后的性能預(yù)判模型，預(yù)判所述計(jì)算機(jī)的性能數(shù)據(jù)。