面向磁盘故障预测的机器学习方法比较

• 作者: 卢宇彤 周恩强 董勇 蒋艳凰
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 磁盘 故障预测 机器学习
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 高性能计算
• 页码范围: 2200-2207
• 页数: 8页
• 分类号: TP309
• 字数: 8257字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.12.002

摘要

磁盘是保存数据的重要载体,提高磁盘的可靠性和数据可用性具有重要意义.现代磁盘普遍支持SMART协议,用来监控磁盘的内部工作状态.采用机器学习方法,分析磁盘的SMART信息,实现对磁盘故障的预测.所采用的机器学习方法包括反向神经网络、决策树、支持向量机以及简单贝叶斯,并采用实际磁盘SMART数据进行验证与分析.基于上述数据,对不同机器学习方法的有效性及其效果进行了对比.结果表明,决策树方法的预测率最好,支持向量机方法的误报率最低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢宇彤	国防科学技术大学计算机学院	22	100	6.0	9.0
2	周恩强		3	15	2.0	3.0
3	董勇	国防科学技术大学计算机学院	11	56	4.0	7.0
4	蒋艳凰		1	9	1.0	1.0