[发明专利]一种请求任务的调度方法及调度中心服务器

权利要求书

1.一种请求任务的调度方法，其特征在于，所述方法包括：

接收待调度的CDN节点上报的节点信息，并基于所述节点信息，构建多个训练样本；

创建支持向量机模型，所述支持向量机模型中包括指定数量的二分类器，并且所述指定数量基于所述待调度的CDN节点的总数量确定；

利用构建的所述多个训练样本对所述支持向量机模型进行多轮训练，每轮训练后均生成对应的弱分类器，并且所述弱分类器具备权重值；

基于各个所述弱分类器的权重值，将各个所述弱分类器组合为最终分类器，并通过所述最终分类器将接收到的新的请求任务在所述待调度的CDN节点中进行调度。

2.根据权利要求1所述的方法，其特征在于，所述节点信息中包括性能参数、负载参数、剩余带宽量、网络延时以及直播流的码率中的至少一种；

相应地，所述构建多个训练样本包括：

收集所述待调度的CDN节点在不同时刻上报的节点信息，并将同一时刻各个所述待调度的CDN节点上报的节点信息构建为一个信息向量；

将不同时刻构建的各个信息向量作为构建的所述多个训练样本。

3.根据权利要求1所述的方法，其特征在于，所述指定数量按照以下方式确定：

根据所述待调度的CDN节点的总数量，分别确定等差数列中的首项和末项；

基于确定的所述首项和所述末项，计算所述等差数列的和，并将计算的所述等差数列的和作为所述指定数量；其中，所述等差数列的首项是1，末项是q-1，其中，q表示所述待调度的CDN节点的总数量。

4.根据权利要求1所述的方法，其特征在于，所述利用构建的所述多个训练样本对所述支持向量机模型进行多轮训练包括：

预先为每个所述训练样本分配初始权重值，并利用具备所述初始权重值的训练样本对所述支持向量机模型进行训练；

根据训练结果与所述训练样本的标准结果之间的差异，确定本轮训练的误差函数；

根据所述误差函数，确定本轮对应的弱分类器的权重值，并基于确定的所述弱分类器的权重值，重新为每个所述训练样本分配新的权重值；

利用分配了新的权重值的训练样本，对所述支持向量机模型进行下一轮训练。

5.根据权利要求4所述的方法，其特征在于，所述误差函数按照以下方式确定：

针对所述多个训练样本中的当前训练样本，确定所述当前训练样本的判定数值；其中，若所述当前训练样本的训练结果与标准结果相同，将所述判定数值置为0，若所述当前训练样本的训练结果与标准结果不同，将所述判定数值置为1；

计算所述当前训练样本的初始权重值与所述判定数值的乘积，得到所述当前训练样本对应的误差贡献值；

将各个所述训练样本对应的误差贡献值之和作为所述误差函数。

6.根据权利要求4或5所述的方法，其特征在于，按照以下公式确定所述误差函数：

其中，er表示所述误差函数，I_i表示第i个训练样本，W₀(i)表示第i个训练样本对应的初始权重值，G(I_i)表示第i个训练样本在本轮的训练结果，y_i表示第i个训练样本的标准结果，m表示所述训练样本的个数，f(*)表示若*成立，f(*)＝1，若*不成立，f(*)＝0。

7.根据权利要求6所述的方法，其特征在于，按照以下公式确定本轮对应的弱分类器的权重值：

其中，α表示本轮对应的弱分类器的权重值；

相应地，按照以下公式为每个所述训练样本分配新的权重值：

其中，W₁(i)表示为第i个训练样本分配的新的权重值，Z表示归一化因子。