基于機器學習的性能預測方法.pdf

1、本文將機器學習的思想用于復雜應用系統(tǒng)的性能預測，提出了一類基于機器學習的性能預測模塊構(gòu)建方法。希望創(chuàng)建一種可普遍適用于多類應用軟件的，松耦合、嵌入式的標準模板，以減少應用軟件添加性能預測模塊的開銷和風險。該方法首先通過集成化性能測試準備機器學習所需要的訓練樣本集，然后根據(jù)不同算法進行有指導的學習過程，訓練之后將分類器封裝成性能預測模塊嵌入到應用系統(tǒng)之中，繼而對用戶操作的響應時間等性能屬性做出預測，預測的同時保持自我更新以適應變化的系統(tǒng)環(huán)

2、境。此方法具有標準化、松耦合、構(gòu)造簡單、適應變化等優(yōu)勢。
　　 文章以樸素貝葉斯算法為例，詳細描述了性能預測模塊的構(gòu)建過程。基于樸素貝葉斯的性能預測方法與傳統(tǒng)預測方法相比，具有準確度高、構(gòu)造簡單、效率高、魯棒性強等多項優(yōu)勢。在針對某金融服務系統(tǒng)的對比試驗中，準確率達65％以上，同時模塊本身的訓練過程開銷也明顯少于傳統(tǒng)方法。
　　 然后本文在樸素貝葉斯預測模塊的基礎上，對預測方法進行拓展。深度上提出了屬性加權(quán)和模擬遺傳退火