[发明专利]用于处理器体系的CPU容量预测方法及其系统

权利要求书

1.一种用于处理器体系的CPU容量预测方法，其特征在于，包括：

获取处理器体系中多个CPU单元在预定时间段内多个预定时间点的剩余CPU容量；

将各个所述CPU单元在预定时间段内多个预定时间点的剩余CPU容量按照时间维度排列为输入向量后通过多尺度邻域特征提取模块以得到多个剩余CPU容量特征向量；

计算所述多个剩余CPU容量特征向量中每两个剩余CPU容量特征向量之间的转移矩阵以得到多个转移矩阵；

将所述多个转移矩阵按照通道维度聚合为三维输入张量后通过作为特征提取器的卷积神经网络模型以得到CPU剩余容量关联特征图；

将所述CPU剩余容量关联特征图通过非局部神经网络模型以得到解码特征图；

对所述解码特征图进行特征分布调制以得到优化解码特征图；以及

将所述优化解码特征图通过解码器进行解码回归以得到用于表示所述处理器体系的CPU容量的预测值的解码值；

其中，将所述CPU剩余容量关联特征图通过非局部神经网络模型以得到解码特征图，包括：

将所述CPU剩余容量关联特征图分别输入所述非局部神经网络模型的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；

计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；

将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；

计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；

将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；

将所述全局感知特征图通过所述非局部神经网络模型的第四点卷积层以得到通道调整全局感知特征图；以及

计算所述通道调整全局感知特征图和所述CPU剩余容量关联特征图的按位置加权和以得到所述解码特征图。

2.根据权利要求1所述的用于处理器体系的CPU容量预测方法，其特征在于，所述多尺度邻域特征提取模块，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的级联层，其中，所述第一卷积层使用具有第一尺度的一维卷积核，所述第二卷积层使用具有第二尺度的一维卷积核。

3.根据权利要求2所述的用于处理器体系的CPU容量预测方法，其特征在于，所述将各个所述CPU单元在预定时间段内多个预定时间点的剩余CPU容量按照时间维度排列为输入向量后通过多尺度邻域特征提取模块以得到多个剩余CPU容量特征向量，包括：

将所述剩余CPU容量输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度剩余CPU容量特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；

将所述剩余CPU容量输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度剩余CPU容量特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及

将所述第一邻域尺度剩余CPU容量特征向量和所述第二邻域尺度剩余CPU容量特征向量进行级联以得到所述多个剩余CPU容量特征向量。