-
公开(公告)号:CN101639793A
公开(公告)日:2010-02-03
申请号:CN200910184148.4
申请日:2009-08-19
Applicant: 南京邮电大学
Abstract: 一种基于支持向量回归机的网格负载预测方法,首先对节点的历史性能数据,采用时间序列法进行自回归(AR)建模,根据AR模型的阶数估计出SVR中的输入向量的维数,然后对历史数据进行SVR学习,构造出SVR的回归函数,以后根据此回归函数以及测得历史性能数据预测下一时刻节点的性能,并且根据预测结果误差对SVR回归函数进行在线调节。采用本方法,能够为网格资源调度及性能优化等提供数据依据,避免被动盲目的任务调度,提高整个网格环境的效率。
-
公开(公告)号:CN101442561A
公开(公告)日:2009-05-27
申请号:CN200810244027.X
申请日:2008-12-12
Applicant: 南京邮电大学
Abstract: 一种基于支持向量机的网格监控方法是一种新型的网格监控方法。该系统采用SVM方法,对传感器等传来的性能信息进行特征提取,数据处理标准化后,得到一系列样本数据,进行支持向量机学习测试,构造出一个回归函数,此后将新监测到的性能数据变化量经过SVM控制器分析,预测期望的轮询周期,从而决定是否需要更改轮询周期。下一次即按照预测的轮询周期进行监控,并不断调整轮询周期。使资源实时性与负载得到了很好的平衡。解决了网格监控系统中由于固定周期性监控所引起的系统性能下降或监控实时性不强的问题,使目录服务中存储的性能数据更加准确,降低了资源消耗。
-