The embodiment of the invention discloses a device and a method of fault classification: obtaining fault samples to be classified; will be classified fault samples are input K (K 1) /2 support vector machine (SVM) classifier, K (K 1) /2 failure results; according to K (K 1) /2 is a fault type fault samples to be classified results to determine the barrier. The embodiment of the invention is visible, with K (K 1) /2 SVM classifier, when the sample to be classified into the K fault (K 1) /2 SVM classifier, K will automatically generate (K 1) /2 failure results, according to the K (K 1) /2 fault the results will finally determine the fault type fault samples to be classified, then according to the fault type are resolved in a timely manner, so as to ensure the normal operation of the data center equipment operation stability, security and a variety of business.
【技术实现步骤摘要】
一种故障分类方法及装置
本专利技术涉及自学习领域,尤其涉及一种故障分类方法及装置。
技术介绍
随着互联网的飞速发展,数据中心承载着各种数据的采集、存储及分析等功能,一旦设备出现故障,工作人员就需要根据监控项的告警详情去分析故障。对于经验丰富的老员工来说,也许能够很快的找到故障原因,然后根据故障原因解决故障,但对于经验不是很丰富的员工来说,很可能无法找到故障原因或者需要很长时间才能找到故障原因,因此无法保证数据中心设备运行的稳定性、安全性和各种业务的正常运行。
技术实现思路
为了解决上述技术问题,本专利技术提供一种故障分类方法及装置,能够自动地根据待分类故障样本确定故障类别,保证了数据中心设备运行的稳定性、安全性和各种业务的正常运行。为了达到本专利技术目的,本专利技术提供了一种故障分类方法,包括:获取待分类故障样本;将所述待分类故障样本分别输入K(K-1)/2个支持向量机SVM分类器,得到K(K-1)/2个故障结果;其中,K(K-1)/2个SVM分类器是根据K种故障类别预先训练得到的,K为大于1的整数;根据所述K(K-1)/2个故障结果确定所述待分类故障样本的故障类别。所述获取待分类故障样本之前,还包括:设定K种故障类别;根据设定的所述K种故障类别训练得到所述K(K-1)/2个SVM分类器。所述根据设定的K种故障类别训练得到K(K-1)/2个SVM分类器,包括:获取表示第i种故障类别对应的监控项的状态的第一向量和表示第j种故障类别对应的监控项的状态的第二向量;其中,i=1、2...K-1,j=2...K,i<j;根据所述第i种故障类别和所述第一向量、所述第j种故 ...
【技术保护点】
一种故障分类方法,其特征在于,包括:获取待分类故障样本;将所述待分类故障样本分别输入K(K‑1)/2个支持向量机SVM分类器,得到K(K‑1)/2个故障结果;其中,K(K‑1)/2个SVM分类器是根据K种故障类别预先训练得到的,K为大于1的整数;根据所述K(K‑1)/2个故障结果确定所述待分类故障样本的故障类别。
【技术特征摘要】
1.一种故障分类方法,其特征在于,包括:获取待分类故障样本;将所述待分类故障样本分别输入K(K-1)/2个支持向量机SVM分类器,得到K(K-1)/2个故障结果;其中,K(K-1)/2个SVM分类器是根据K种故障类别预先训练得到的,K为大于1的整数;根据所述K(K-1)/2个故障结果确定所述待分类故障样本的故障类别。2.根据权利要求1所述的分类方法,其特征在于,所述获取待分类故障样本之前,还包括:设定K种故障类别;根据设定的所述K种故障类别训练得到所述K(K-1)/2个SVM分类器。3.根据权利要求2所述的分类方法,其特征在于,所述根据设定的K种故障类别训练得到K(K-1)/2个SVM分类器,包括:获取表示第i种故障类别对应的监控项的状态的第一向量和表示第j种故障类别对应的监控项的状态的第二向量;其中,i=1、2...K-1,j=2...K,i<j;根据所述第i种故障类别和所述第一向量、所述第j种故障类别和所述第二向量训练得到所述K(K-1)/2个SVM分类器中用于判别第i种故障类别和第j种故障类别的SVM分类器。4.根据权利要求3所述的分类方法,其特征在于,所述获取导致第i种故障类别的第一向量和导致第j种故障类别的第二向量之前,还包括:分别获取K种故障类别中每种故障类别对应的监控项的状态;确定表示监控项的状态的标识;根据确定的标识分别将所述K种故障类别中每种故障类别对应的监控项的状态表示为向量。5.根据权利要求1-4任一项所述的分类方法,其特征在于,所述根据K(K-1)/2个故障结果确定待分类故障样本的故障类别,包括:获取K(K-1)/2个故障结果中每个故障结果的故障类别;统计每个故障结果的故障类别出现的次数;在所统计出的每个故障结果的故障类别出现的次数中获取次数最大的故障类别,作为目标故障类别;确定所述待分类故障样本的故障类别为所述目标故障类别。6.一种故障分...
【专利技术属性】
技术研发人员:段谊海,刘成平,李锋,
申请(专利权)人:郑州云海信息技术有限公司,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。