基于Clementine的计算机状态监测研究

摘要：

数据挖掘技术中的神经网络和C5.0可以用于构建监督和预测的模型。将神经网络和 C5.0模型运用于监测计算机的状态信息及识别和预测相关的故障状态。基于 Clementine 环境,通过采集状态已知情形下的计算机状态数据,作为训练样本来建立神经网络模型和C5.0规则模型,利用另外的实测数据进行检验。结果表明,神经网络的预测正确率是99.64%,而 C5.0模型的预测正确率为99.68%,两者预测结果的一致性为9 9.81%。此外,C5.0模型预测结果的准确性要比神经网络预测结果的准确性高。

关键词：Clementine、C5.0 模型、神经网络、故障监测、数据挖掘

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省省级质量工程项目2012zy037;安徽财经大学精品资源共享课程项目aczygxkc201415。

在线出版日期：2015-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：44-48