[发明专利]一种基于隐马尔科夫模型的软件系统状态预测方法

摘要

一种基于隐马尔科夫模型的软件系统状态预测方法，包括以下步骤构造训练样本集，采用K均值聚类算法将训练样本集中的样本聚为k簇；构造隐马尔科夫模型λ＝[π,A,B]，将训练样本集中的k个簇作为模型的观测状态，将系统状态作为隐藏状态；对隐马尔科夫模型进行训练，得到新的隐马尔科夫模型；利用采集的系统观测值和新的隐马尔科夫模型对系统实际状态进行预测。本发明基于隐马尔科夫模型对系统实际状态和系统观测参数之间关系进行建模，进而根据系统观测值对系统实际状态进行预测，能够根据系统的观测值对系统软件状态进行准确的预测，有助于运维人员及早发现和处理可能的问题，防止功能降级,或者系统崩溃，预测准确率高。

主权项

一种基于隐马尔科夫模型的软件系统状态预测方法，其特征在于，包括以下步骤：步骤1、构造训练样本集，采用K均值聚类算法将训练样本集中的样本聚为k个簇；步骤2、构造隐马尔科夫模型λ＝[π,A,B]，将步骤1中的k个簇作为模型的观测状态，将系统状态作为隐藏状态；π为初始状态的概率分布，A为隐藏状态转移矩阵，B为隐藏状态与观测状态关系矩阵；步骤3、对隐马尔科夫模型进行训练，得到新的隐马尔科夫模型步骤4、利用采集的系统观测值和新的隐马尔科夫模型对系统实际状态进行预测；所述步骤3包括步骤31和步骤32：步骤31、随机赋值初始化隐马尔科夫模型的参数，得到初始化的隐马尔科夫模型；步骤32、选定一组已知的观测序列O＝{o1,o2,…,oT}，利用该观测序列和初始化的隐马尔科夫模型对隐马尔科夫模型进行重估，并对重估后的隐马尔科夫模型进行反复迭代重估，直至收敛，得到训练好的隐马尔科夫模型，为重估的隐马尔科夫模型中观察到观测序列O的概率。