一种故障分类方法及装置制造方法及图纸

本发明专利技术实施例公开了一种故障分类方法及装置，包括：获取待分类故障样本；将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；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。从本发明专利技术实施例可见，由于有K(K‑1)/2个SVM分类器，当待分类故障样本输入这K(K‑1)/2个SVM分类器后，就会自动生成K(K‑1)/2个故障结果，根据这K(K‑1)/2个故障结果就能最终确定待分类故障样本的故障类别，进而根据故障类别进行及时地解决，从而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。

A fault classification method and device

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。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。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。本专利技术还提供了一种故障分类装置，包括：获取模块，用于获取待分类故障样本；处理模块，用于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；确定模块，用于根据所述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。还包括：设定模块，用于设定K种故障类别；训练模块，用于根据设定的所述K种故障类别训练得到所述K(K-1)/2个SVM分类器。所述训练模块包括：第一获取单元，用于获取表示第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；训练单元，用于根据所述第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。所述训练模块还包括：第二获取单元，用于分别获取K种故障类别中每种故障类别对应的监控项的状态；第一确定单元，用于确定表示监控项的状态的标识；处理单元，用于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。所述确定模块包括：第三获取单元，用于获取K(K-1)/2个故障结果中每个故障结果的故障类别；统计单元，用于统计每个故障结果的故障类别出现的次数；第四获取单元，用于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；第二确定单元，用于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。与现有技术相比，本专利技术至少包括获取待分类故障样本；将待分类故障样本分别输入K(K-1)/2个支持向量机(SupportVectorMachine，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；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。从本专利技术提供的技术方案可见，由于有K(K-1)/2个SVM分类器，当待分类故障样本输入这K(K-1)/2个SVM分类器后，就会自动生成K(K-1)/2个故障结果，其中每个故障结果是K种故障类别种的一种，根据这K(K-1)/2个故障结果就能最终确定待分类故障样本的故障类别，进而根据故障类别进行及时地解决，从而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。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本专利技术的技术方案，并不构成对本专利技术技术方案的限制。图1为本专利技术实施例提供的一种故障分类方法的流程示意图；图2为本专利技术实施例提供的另一种故障分类方法的流程示意图；图3为本专利技术实施例提供的又一种故障分类方法的流程示意图；图4为本专利技术实施例提供的一种故障分类装置的结构示意图；图5为本专利技术实施例提供的另一种故障分类装置的结构示意图；图6为本专利技术实施例提供的又一种故障分类装置的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下文中将结合附图对本专利技术的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。本专利技术实施例提供一种故障分类方法，如图1所示，该方法包括：步骤101、获取待分类故障样本。具体的，待分类故障样本是要根据其确定故障类别的信息。步骤102、将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。具体的，根据K种故障类别中每两类故障类别可以训练得到一个分类器，因此根据K中故障类别总共可以训练得到K(K-1)/2个SVM分类器。步骤103、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。具体的，K(K-1)/2个故障结果中每个故障结果都在K种故障类别中，因此根据K(K-1)/2个故障结果就能确定待分类故障样本的故障类别。本专利技术实施例所提供的故障分类方法，获取待分类故障样本；将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；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。从本专利技术提供的技术方案可见，由于有K(K-1)/本文档来自技高网...

【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