[發(fā)明專利]基于隱馬爾可夫的云平臺軟件性能預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202010817863.3
• 申請日: 2020-08-14
• 公開（公告）號: CN112069045A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 張彤;王儀
• 申請（專利權(quán)）人: 西安理工大學(xué)
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F11/30;G06N7/00
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 弓長

1.基于隱馬爾可夫的云平臺的軟件性能預(yù)測方法，其特征在于，具體按照如下步驟實(shí)施：

步驟1，從待預(yù)測云平臺的各個業(yè)務(wù)模塊中采集影響性能的參數(shù)，得到實(shí)驗樣本特征集合，然后進(jìn)行預(yù)處理；

步驟2，確定初始隱馬爾可夫模型λ＝(A，B，π)；

步驟3，給定觀測序列，計算在步驟2確定的初始隱馬爾可夫模型下的觀測序列出現(xiàn)的概率；

步驟4，已知隱馬爾可夫模型和觀測序列，求性能預(yù)測結(jié)果序列。

2.基于隱馬爾可夫的云平臺的軟件性能預(yù)測方法，其特征在于，采用平均百分比誤差法對步驟4的性能預(yù)測結(jié)果序列進(jìn)行評價。

3.根據(jù)權(quán)利要求1所述的基于隱馬爾可夫的云平臺的軟件性能預(yù)測方法，其特征在于，所述步驟1中的預(yù)處理具體為：將實(shí)驗樣本特征集合中的所有參數(shù)進(jìn)行歸一化處理，生成一個長度為N的數(shù)據(jù)序列。

4.根據(jù)權(quán)利要求3所述的基于隱馬爾可夫的云平臺的軟件性能預(yù)測方法，其特征在于，所述步驟2具體為：

步驟2.1，將步驟1中得到的數(shù)據(jù)序列定義為模型的N個隱狀態(tài)，t時刻的隱狀態(tài)表示為qt，則有qt∈[S₁,…,S_N]，S₁-S_N表示N個隱狀態(tài)；

步驟2.2，確定觀測序列O＝(O₁,O₂,...,O_T)，O_T為T時刻模型的狀態(tài)，則t時刻模型的狀態(tài)表示為O_t，t∈T；

步驟2.3，確定隱馬爾可夫模型狀態(tài)概率分布矩陣A，A＝{a_ij}，1≤i，j≤N，a_ij表示從第i狀態(tài)到第j狀態(tài)的概率，則在任意時刻t，有公式(1)：

a_ij＝P[q_t+1＝S_j|q_t＝S_i]，1≤N，j≤N (1)；

即就是：a_ij等于在t+1的時刻時隱狀態(tài)為S_j的概率；

步驟2.4，確定隱馬爾可夫模型觀測概率分布矩陣B，B＝{b_j(O)}，1≤j≤N，b_j(O)表示狀態(tài)j的隨機(jī)觀測輸出概率，如公式(2)：

b_j(O)＝P(O_t|q_t＝S_j)，1≤j≤N (2)；

步驟2.5，確定初始狀態(tài)概率分布為π₁＝P(q₁＝S₁)，1≤i≤N，π₁代表最初的隱狀態(tài)q₁所處的觀測概率；

步驟2.6，根據(jù)步驟2.3-2.5確定的初始狀態(tài)概率分布、狀態(tài)轉(zhuǎn)移概率分布、觀測概率分布，將隱馬爾可夫模型簡化為三元組：λ＝(π，A，B)。

5.根據(jù)權(quán)利要求4所述的基于隱馬爾可夫的云平臺的軟件性能預(yù)測方法，其特征在于，所述步驟3具體為：已知觀測序列O＝(o₁,o₂，...，o_T)和步驟2中確定的模型λ＝(π，A，B)，計算觀測序列發(fā)生的概率P[O|λ]：

其中，α_T(i)為前向因子。