基于改进神经网络的 IaaS 云资源需求预测方法

• 作者: 冯少冲 朱元昌 邸彦强 陈志佳
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 基础设施即服务(IaaS) 资源需求预测 集成模型 神经网络 自适应学习率 统计验证
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 46-51
• 页数: 6页
• 分类号: TP39
• 语种: 中文
• DOI: 10.13245/j.hust.160110

摘要

为保证基础设施即服务（IaaS ）模式云环境中资源的有效分配与高效调度，提出了一种基于集成模型‐优化神经网络的资源需求预测方法（EMONN）。分析了用户偏好以及资源配置需求，根据需求变化采用阈值法确定波动期与平缓期，通过基本预测器集成模型实现不同时期、不同需求的预处理。预处理结果经过加权，与历史数据共同作为神经网络（N N ）的训练数据，保证预测结果精度。为改善神经网络的学习率与稳定性，采用自适应学习率以及动量方法对神经网络进行优化。采用统计指标对系统有效性进行验证，结果表明所提方法可以精确有效实现用户需求预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志佳	军械工程学院电子与光学工程系	13	37	4.0	4.0
2	朱元昌	军械工程学院电子与光学工程系	114	799	14.0	24.0
3	邸彦强	军械工程学院电子与光学工程系	77	290	9.0	12.0
4	冯少冲	军械工程学院电子与光学工程系	24	67	4.0	6.0