典型文献
采用数据降维的固态硬盘故障检测方法
文献摘要：
针对固态硬盘SMART数据包含大量高维数据特征导致故障检测准确率不理想的问题,结合固态硬盘SMART数据的时序特点,基于门控循环单元对传统自动编码器的结构做了改进,提出了 一种基于门控循环单元稀疏自动编码器降维的固态硬盘故障检测方法(GAL).首先利用固态硬盘SMART数据训练GRUAE模型,然后利用GRUAE模型中的编码器作为降维的工具,对固态硬盘的原始高维SMART数据进行降维,减少固态硬盘原始SAMRT数据中噪声特征的影响并突出与数据特点更加相关的特征,以提高故障检测的准确率,最后基于降维过的低维SMART数据利用长短时记忆网络进行故障检测.选取阿里巴巴固态硬盘数据集,对多种人工智能算法在准确率、召回率和F0.5方面进行了比较.实验结果表明:相比于没有采用任何降维手段,采用GAL方法可使两种闪存类型的固态硬盘的故障检测准确率、召回率和F0.5分别提高4％、5％、4％和4％、8％、5％,分别达到97％、95％、97％和97％、96％、97％;GAL方法的故障检测准确率、召回率和F0.5分别超出WEFR对比方法53％、25％、43％.
文献关键词：
固态硬盘;故障检测;降维;稀疏自动编码器;门控循环单元
中图分类号：
作者姓名：
王宇菲;董小社;王龙翔;陈维多;陈衡
作者机构：
西安交通大学电子与信息学部,710049,西安
文献出处：
引用格式：
[1]王宇菲;董小社;王龙翔;陈维多;陈衡-.采用数据降维的固态硬盘故障检测方法)[J].西安交通大学学报,2022(11):176-185
A类：
GRUAE,SAMRT,WEFR
B类：
数据降维,固态硬盘,硬盘故障,故障检测方法,SMART,数据包,高维数据,数据特征,检测准确率,门控循环单元,稀疏自动编码器,GAL,数据训练,噪声特征,低维,数据利用,长短时记忆网络,阿里巴巴,硬盘数据,人工智能算法,召回率,F0,闪存,比方
AB值：
0.193659
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
