文献

J-GLOBAL ID：201702242450159120   整理番号：17A1292994

農業クラウドビデオプラットフォームにおける仮想マシン負荷予測半教師つき部分最小二乗法モデル【JST・京大機械翻訳】

Virtual machine load prediction model for agricultural cloud video platform based on semi-supervised partial least squares

著者 (4件)： Gao Wanlin (中国農業大学信息与電气工程学院,北京,100083) ,  Hu Hui (中国農業大学信息与電气工程学院,北京,100083) ,  Xu Dongbo (中国農業大学信息与電气工程学院,北京,100083) ,  Zhang Ganghong (中国農業大学信息与電气工程学院,北京,100083)
資料名： Nongye Gongcheng Xuebao  (Nongye Gongcheng Xuebao)
巻： 33  号： z1  ページ： 225-230  発行年： 2017年 
JST資料番号： C2454A  ISSN： 1002-6819  CODEN： NGOXEO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： インフラ資源の効率を最適化するために,農業クラウドビデオプラットフォームにおける仮想マシン配置アルゴリズムは,仮想マシンの現在と将来の資源効率を知る必要があり,それは,サービス配置,仮想マシンの配置,移動,または停止のように,正確に予測する必要がある。しかし、通常、予測に用いられるサンプルは非常に小さく、分析に用いられるデータは限られている。そのため、本論文では、時間因子を考慮し、小データセット学習に基づくスライディングウィンドウモデルを設計した。さらに,既存の予測アルゴリズムには大きな誤差率の空間があるので,スライディング窓と最小二乗法に基づく数学的方法と半教師つき学習法を組み合わせた新しい方法を提案した。上記の予測を計算するために,半教師つき部分最小二乗法(SS-PLS)に基づく新しい方法を提案したが,これらの問題を解決するために新しい方法を提案した。本論文では,仮想マシンにおけるSS-PLS負荷予測の実行可能性と優位性を解析した。実験結果は,スライディング窓モデルとSS-PLSに基づく予測精度が著しく改善されることを示して,平均二乗誤差は1.77786,平均絶対誤差は1.3312,平均絶対誤差比率は0.23836であった。それらの増加は,それぞれ5.47%,6.37%,6.12%であった。本研究は,クラウドプラットフォームにおける仮想マシン資源管理と最適化のための参照方法を提供することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *部分最小二乗法 ,  *農業 ,  *最小二乗法 ,  インフラストラクチャー ,  *仮想機械システム ,  最適化 ,  資源管理 ,  学習 ,  *負荷予測 ,  アルゴリズム
準シソーラス用語： 平均絶対誤差 ,  平均二乗誤差 ,  予測精度 ,  半教師つき学習 ,  予測アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (7件)： load ,  forecasting ,  algorithms ,  semi-supervised learning ,  virtual machine ,  partial least squares ,  sliding-windows

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 農業 ,  仮想マシン ,  負荷予測 ,  教師 ,  部分最小二乗法 ,  モデル