[发明专利]基于模式融合的CPU负载多步预测方法

摘要

一种基于模式融合的CPU负载多步预测方法，首先，把一个时间序列数据切分成多个数据模式的集合，统计各个数据模式的个数；之后对得到的所有模式与个数，设定一个过滤因子过滤一些不常出现的模式；然后，对于一些相差不大的模式，合并成一些通用的趋势模式，并根据这些通用的趋势模式进行匹配，匹配过程中采用汉明距离度量模式与模式之间的方向距离，使用欧几里得距离度量实际距离；找到一些近似模式后，采用平均规则策略或均匀下降策略根据这些模式的后面的值来进行多步预测；最后，采用多个模式长度来指导预测，并根据每个模式长度的预测值进行融合，采用Adaboost算法进行合成，得到最终结果。本发明具有准确性高、可靠性高的优点。

主权项

一种基于模式融合的CPU负载多步预测方法，其特征在于，包括以下步骤： 步骤1：模式抽取 把一个时间序列数据切分成多个数据模式的集合，并统计各个数据模式的个数； 步骤2：模式过滤 经过步骤1得到所有的模式与个数，过滤一些不常出现的模式，对这些模式统计，根据个数从大到小进行排序，给定一个过滤因子α，使过滤后的模式能够覆盖大部分模式； 步骤3：模式融合、匹配 对于一些模式相差不大的模式，合并成一些通用的趋势模式，并根据这些通用的趋势模式进行匹配，在匹配过程中，采用汉明距离来度量模式与模式之间的方向距离，然后使用欧几里得距离来度量实际距离； 步骤4：模式加权预测 经过步骤3找到一些近似模式后，采用平均规则策略或均匀下降策略根据这些模式的后面的值来进行多步预测； 步骤5：预测结果融合 采用多个模式长度来指导预测，并根据每个模式长度的预测值进行融合，采用机器学习Adaboost算法进行合成，得到最终结果。