基于结构特征的时序聚类方法研究
- 详情
- 2021-04-27
- 简介
- 1017KB
- 页数 6P
- 阅读 89
- 下载 20
数据驱动的智能运维对提高云平台的管理效率有重要意义。提出一种基于结构特征的时序聚类方法以用于云平台大量性能数据的智能分类。该方法采用分级处理的方式用于降低聚类复杂度,首先基于傅里叶变换将时序分为明显周期型和非明显周期型两大类,然后从时序中提取季节性指标、趋势性指标、偏度、相对熵、样本熵、自相似性和李雅普诺夫系数等7个特征,最后在每个大类中基于特征空间进行K均值聚类分析。实验数据仿真表明:所提方法能够有效将不同波形特性的时序分开。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于结构特征的时序聚类方法研究 1.0MB
基于结构特征的时序聚类方法研究 1017KB
基于结构特征的HIC制造工时定额制定方法 277KB
基于结构特征的路面裂纹病害检测算法 395KB
基于数据流形结构的聚类方法及其应用研究 868KB
基于颜色与结构特征的车牌定位算法 1019KB
基于颜色与结构特征的车牌定位算法 909KB
基于模糊聚类方法的海工结构耐久性评估 449KB
一种基于多指标语言评价信息的聚类方法 532KB
一种基于语言评价信息的多指标群聚类方法 736KB