基于SVM分类的云集群失败作业主动预测方法

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.

关键词：失败作业预测、支持向量机模型、Google集群数据

所属期刊栏目：39

分类号：TN929.53

资助基金：国家重点基础研究发展计划973计划项目2012CB315802;国家关键技术研究与发展计划项目2012BAH94F02;河南省科技厅基础与前沿技术研究项目132300410430

在线出版日期：2016-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：104-109