基于SVM分类的云集群失败作业主动预测方法

• 作者: 刘春红 商彦磊 韩晶晶
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 失败作业预测 支持向量机模型 Google集群数据
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 研 究 报 告
• 页码范围: 104-109
• 页数: 6页
• 分类号: TN929.53
• 语种: 中文
• DOI: 10.13190/j.jbupt.2016.05.021

摘要

提出了一种使用支持向量机( SVM)模型预测作业终止状态的方法.以Google数据集为研究对象,首先分析作业终止状态的影响因素,提出使用作业的静态特征和动态特征作为终止状态分类的特征向量,选择SVM模型主动预测终止状态；然后从特征向量和分类模型2个层面对准确率、假负率、精确度指标进行验证.特征向量实验结果表明,基于静态和动态特征的 SVM 预测模型比单独使用静态特征和动态特征,分别提高0.94%、-0.01%、1.35%和9.08%、-1.36%、10.91%.分类模型的比较结果显示,SVM分类预测方法比传统的神经网络模型、朴素贝叶斯模型、逻辑回归模型的预测效果好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘春红	河南师范大学计算机与信息工程学院	17	108	7.0	10.0
3	商彦磊	北京邮电大学网络与交换技术国家重点实验室	2	10	2.0	2.0
6	韩晶晶	河南师范大学计算机与信息工程学院	2	9	2.0	2.0