文献

J-GLOBAL ID：201702221804019614   整理番号：17A0392880

SVM分類に基づくクラウドクラスタ失敗作業の能動予測手法【JST・京大機械翻訳】

Predicting Job Failure in Cloud Cluster: Based on SVM Classification

著者 (3件)： Liu Chunhong (College of Computer and Information Engineering,Henan Normal University) ,  Han Jinjin (College of Computer and Information Engineering,Henan Normal University) ,  Shang Yanlei (State Key Laboratory of Networking and Switching Technology,Beijing University of Posts and Telecommunications)
資料名： Beijing Youdian Daxue Xuebao  (Beijing Youdian Daxue Xuebao)
巻： 39  号： 5  ページ： 104-109  発行年： 2016年 
JST資料番号： C2405A  ISSN： 1007-5321  CODEN： BYXBEV  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： サポートベクトルマシン(SVM)モデルを用いて,作業終了状態を予測する方法を提案した。まず第一に,研究対象としてGOOGLEデータセットを取り上げ,まず第一に,作業状態の影響因子を分析することによって,静的状態と動的特性を使用することによって,SVMモデルの能動予測終了状態を選択した。次に,特徴ベクトルと分類モデルの2つのレベルから,精度,精度,および精度指数を検証した。特徴ベクトル実験結果は,静的および動的特性に基づくSVM予測モデルが,静的特性と動的特性を使用することによって,個々に,0.94%,-0.01%,1.35%と9.08%,-1.36%と10.91%.%を改良することを示した。分類モデルの比較結果は,SVM分類法が従来のニューラルネットワークモデル,NAIVE BAYESモデル,およびロジスティック回帰モデルより良い予測効果を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 静特性 ,  *予測技法 ,  サポートベクトルマシン ,  予測モデル
準シソーラス用語： ロジスティック回帰モデル ,  神経回路網モデル ,  分類モデル ,  特徴ベクトル ,  影響因子 ,  *SVM分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： predicting of jobs failure status ,  support vector machine model ,  Google cluster traces

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： SVM分類 ,  クラウドクラスタ ,  失敗 ,  予測手法