[发明专利]一种基于深度置信网的数据流系统资源预测机制在审
| 申请号： | 201910080222.1 | 申请日： | 2019-01-28 |
| 公开（公告）号： | CN109871278A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 任鹏程;张卫山;房凯 | 申请（专利权）人： | 中国石油大学（华东） |
| 主分类号： | G06F9/50 | 分类号： | G06F9/50;G06N3/063;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于深度置信网(DBN)的数据流系统资源预测机制，采用无监督的深度学习，以DBN为基础，进行时间序列分析来实现。该机制分为两个阶段，数据预处理和模型训练阶段：数据预处理阶段主要采取平滑的方法对数据进行预处理，从原始的时间序列数据生成一个差分变换以消除数据中的线性因素；模型训练阶段由两层RBMs构成的DBN网络模型对数据进行拟合训练，然后对节点负载做预测分析。该发明的深度学习机制，提供短期负载情况和长期负载情况的预测，可在提交计算任务时全面了解系统的状态。 | ||
| 搜索关键词： | 数据流系统 数据预处理 模型训练 资源预测 置信 预处理 时间序列分析 时间序列数据 长期负载 短期负载 节点负载 网络模型 学习机制 无监督 平滑 预测 两层 拟合 分析 学习 | ||
【主权项】：
1.一种基于深度置信网的数据流系统资源预测机制，其特征在于，采用无监督的深度学习，以DBN为基础，进行时间序列分析来实现。包括以下步骤：步骤(1)、数据预处理：采取平滑方法对数据进行预处理，从原始的时间序列数据生成一个差分变换，以消除数据中的线性因素，建立数据库；步骤(2)、由两层RBMs构成的DBN模型初始化并重构接入数据哭，进行模型训练；步骤(3)、使用BP算法来对每一个RBM的链接权重进行调优，并将未被学习的负载数据输入到前面被训练出来的模型，并预测短期和长期负载。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油大学（华东），未经中国石油大学（华东）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910080222.1/，转载请声明来源钻瓜专利网。
