[发明专利]一种加权分类Web服务QoS监控方法

摘要

本发明公开了一种基于改进TF‑IDF动态权值更新的加权分类Web服务QoS监控方法，根据后来数据某个具体的影响因子组合数据单元计算该影响因子组合数据单元出现前后的信息增益，提出基于信息增益的TF‑IDF改进算法对之前的权值进行修正，考虑了影响因子组合数据单元在各个分类间的分布情况对影响因子组合权重计算的影响，从而提高了影响因子组合权重的计算精度。监控分为训练阶段和监控阶段，首先我们通过RPC获取样本数据流，最开始的一部分数据我们用来训练得到影响因子组合权值表，并且根据影响因子组合权值构造出加权朴素贝叶斯分类器。后来的数据用来监控，通过改进的TF‑IDF算法对权值表进行动态更新，监控时调用加权朴素贝叶斯分类器，得到监控结果。

主权项

1.一种基于改进TF‑IDF动态权值更新的加权分类Web服务QoS监控方法，其特征在于：利用影响因子组合数据单元的信息增益值与影响因子组合数据单元在类间分布的密集程度成正比的关系，根据实时传入的具体影响因子组合数据单元的信息增益来优化TF‑IDF算法，从而对经早期数据样本训练得到的影响因子组合权值表进行更新与修正，获得实时动态的、更加精准的影响因子组合权值，使得监控结果更准确；其中根据实时传入的具体影响因子组合数据单元的信息增益来优化TF‑IDF算法，从而对经早期数据样本训练得到的影响因子组合权值表进行更新与修正，具体过程如下：定义样本满足QoS属性标准为c₀类，不满足QoS标准为c₁类；先从RPC获取样本数据流，最开始的部分数据用来训练得到影响因子组合权值表以及构造加权朴素贝叶斯分类器，贝叶斯分类器样本的类别是通过估计后验概率p(c_i/X)来实现，p(c_i)通过样本集的最大似然估计来计算；为了得到样本的条件概率，根据伯努利分布和贝塔分布来获得样本集的先验概率；因此，最开始的部分数据要训练得到先验概率θ_i和先验概率函数p(X|c_i)；后来的数据用于监控和更新权值表，根据某个具体的影响因子组合数据单元计算信息增益值，对之前的权值表进行修正。