龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江苏瑞祥科技集团有限公司
摘要：本发明公开了一种面向服务器负载数据的HTM高效异常检测方法，提高了HTM面对海量服务器负载数据时的训练效率，增加模型的在线工作能力。系统通过编码散列了服务器负载数据的空间特征，通过空间池训练形成了服务器负载数据的微柱稀疏分布表征，借助于基于活跃微柱的时间池训练，对服务器负载数据模式进行抽取和记忆，为后续的异常判定提供上下文环境的支持。本发明提出的基于活跃微柱的时间池训练算法，延迟了预测功能发生的时间，缩小了预测的范围，大幅度提高了系统的训练速度，同时提出的学习细胞生成规则，能够让时间池训练算法不仅可以对历史模式进行强化记忆，而且对当前时刻的数据模式也能形成有效记忆。
主权项：1.一种面向服务器负载数据的HTM高效异常检测方法，其特征在于，包括如下步骤：步骤1，在线采集服务器负载分段统计数据，使其包含服务器负载和时间两方面的特性，构成具有时序特征的服务器负载据流；步骤2，利用编码器对服务器负载数据进行编码，通过HTM空间池训练算法形成服务器负载数据的微柱稀疏分布表征；步骤3，使用基于活跃微柱的HTM时间池训练算法对服务器负载规律进行学习和记忆，在该过程中，通过延迟模型的预测功能，缩小预测的范围，提高模型的训练效率；步骤4，完成对历史服务器负载数据训练和分析，输出在在线服务器当前时刻负载数据是否处于异常状态；步骤3中，基于活跃微柱的HTM时间池训练算法中的时间池训练规则为：步骤3.1，在t时刻获取HTM时间池在t-1时刻激活的活跃细胞集Φt-1和学习细胞集步骤3.2，根据t时刻输入激活的微柱集合Wt，在活跃微柱上检查能够被上一时刻活跃细胞集Φt-1所能够预测的预测细胞集Πt-1；步骤3.3，根据步骤3.2计算出的预测细胞集Πt-1，生成t时刻活跃微柱上的活跃细胞集Φt，计算方法如下： 步骤3.4，生成t时刻的学习细胞集步骤3.5，更新树突分支的持久值。
全文数据：
权利要求：
百度查询： 江苏瑞祥科技集团有限公司 一种面向服务器负载数据的HTM高效异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号