典型文献
小样本负载序列的结构化预测方法
文献摘要：
准确的负载预测是实现云平台弹性资源管理的关键.针对云负载预测中存在大量运行周期较短的任务,导致预测模型训练数据不足的问题,提出一种利用多变量负载序列结构化信息的预测方法(SP-MWS).依据同一任务运行中消耗的多种资源间内在的相关性,挖掘多维负载序列间的信息,补充小样本序列的预测信息量.首先,为获取相关性强的负载类型,采用最大互信息系数(MIC)和信息熵进行负载类型的度量选择;然后,构建核范数正则化多任务学习模型(TNR-MTL),将相关负载序列同时输入,实现其结构化信息的挖掘,并完成多种负载的同时预测.在Google云平台的运行监控日志数据集上进行验证,实验结果表明,所提方法获得的相关负载序列类型可明显增加模型信息量.对于预测模型的决策依据进行解释性分析,可视化每种变量对预测结果的贡献度;对比实验表明,所提预测方法在时间性能和预测精度上均优于常用的负载预测方法.
文献关键词：
云计算;弹性;负载预测;多变量预测;结构化信息
中图分类号：
作者姓名：
刘春红;张志华;焦洁;程渤
作者机构：
河南师范大学 计算机与信息工程学院,河南 新乡 453007;智慧商务与物联网技术河南省工程实验室,河南 新乡 453007;北京邮电大学 网络与交换技术国家重点实验室,北京 100876
文献出处：
引用格式：
[1]刘春红;张志华;焦洁;程渤-.小样本负载序列的结构化预测方法)[J].计算机科学与探索,2022(07):1552-1560
A类：
B类：
小样本,负载预测,运行周期,模型训练,训练数据,序列结构,结构化信息,SP,MWS,一任,信息量,负载类型,最大互信息系数,MIC,信息熵,度量选择,核范数,正则化,多任务学习,TNR,MTL,将相,Google,运行监控,日志数据,决策依据,解释性,贡献度,时间性能,多变量预测
AB值：
0.390257
相似文献
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。
