基于卷积网络与支持向量机的云资源预测模型

TP311; 云原生容器生态系统的快速发展,推动了更多应用程序在云端落地.容器云作为承载业务的分布式系统支撑平台,需要进行及时准确的资源分配与调度管理.为了提升容器云面对负载变化的弹性应对能力,提出一种基于卷积网络与支持向量机的云资源预测模型,依据需求预测为资源管理提供前置响应.模型利用卷积网络深度捕获时序数据的特征信息,通过遗传算法与组合核函数优化支持向量回归进行预测.在Google云计算中心数据集的实验表明,该模型的预测精度与稳定性优于现有云资源预测方法....

Full description

Saved in:
Bibliographic Details
Published in陕西科技大学学报 Vol. 38; no. 5; pp. 165 - 172
Main Authors 杨云, 闫振国
Format Journal Article
LanguageChinese
Published 陕西科技大学电子信息与人工智能学院,陕西西安 710021 2020
Subjects
支持向量机
云资源预测
卷积网络
Online AccessGet full text
ISSN2096-398X

Cover

More Information
Summary:TP311; 云原生容器生态系统的快速发展,推动了更多应用程序在云端落地.容器云作为承载业务的分布式系统支撑平台,需要进行及时准确的资源分配与调度管理.为了提升容器云面对负载变化的弹性应对能力,提出一种基于卷积网络与支持向量机的云资源预测模型,依据需求预测为资源管理提供前置响应.模型利用卷积网络深度捕获时序数据的特征信息,通过遗传算法与组合核函数优化支持向量回归进行预测.在Google云计算中心数据集的实验表明,该模型的预测精度与稳定性优于现有云资源预测方法.
ISSN:2096-398X