

已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機器學習的SINR預測方法研究.pdf
- 基于機器學習的時間序列預測方法研究及應用.pdf
- 基于機器學習的軟件缺陷預測方法與工具.pdf
- 基于機器學習方法的基因和蛋白預測研究.pdf
- 基于機器學習方法的藥物不良反應預測.pdf
- 基于高斯過程機器學習方法的證券預測模型研究.pdf
- 基于機器學習方法的建筑能耗性能研究.pdf
- 基于機器學習的蛋白質(zhì)熱點殘基預測方法的研究.pdf
- 基于機器學習方法預測股市的系統(tǒng)性風險.pdf
- 基于機器學習的故障預測與健康管理(PHM)方法研究.pdf
- 基于機器學習的miRNA靶基因預測.pdf
- 基于機器學習的股指預測算法.pdf
- 基于機器學習的酵母ncRNA預測研究.pdf
- 基于機器學習的磁盤故障預測系統(tǒng).pdf
- 基于機器學習和統(tǒng)計方法的蛋白質(zhì)結(jié)構(gòu)特征預測.pdf
- 韻律層次預測中基于統(tǒng)計模型的機器學習方法研究.pdf
- 基于機器學習方法的藥物不良反應預測及分析.pdf
- 基于機器學習的風電場功率預測研究.pdf
- 基于機器學習的蛋白亞細胞定位預測.pdf
- 基于機器學習的軟件缺陷預測研究.pdf
評論
0/150
提交評論