【技术实现步骤摘要】
本专利技术属于动态资源配置，尤其涉及一种多场景复合情况下资源动态配置方法。
技术介绍
1、目前基于多租户架构的可视化平台是通过厂家以各个应用模块的数据为基础，统筹客户的需求后定制化开发的，这样就导致每个租户得到的视图是一样的。现有的业务流程定制方法虽然能定制出符合租户要求的业务流程，但也存在一些问题，现有的方法是在整体流程上进行的定制，对于存在多个租户的情况会产生较多的定制操作，某租户的定制往往给会给其他租户带无价值的功能或者增加复杂度。
2、对于任务节点的调整，无法实时生成后续的业务流程，而对于业务流程定制来说，依据租户的业务需求，不同的租户对可视化视图的需求和侧重点是不一样的，甚至在不同场景下需要的可视化视图也是不同的，统一设计的可视化视图不能满足租户的需求。同时家装行业业务流程复杂繁琐，服务链条长，不同装企的管理流程和模式也各不相同，所以动态地调整业务流程定制方案是很有必要的；
3、在saas模式中，多租户之间最基础的能力则是资源隔离，出于成本和运营效率考虑，saas服务商需要构建多租户能同时访问软件的环境，不同租户能访问同一套saas产品服务，但对资源访问要进行严格的隔离。如何能够动态配置，最大化实现服务资源、数据资源的合理配置和有效利用是当前模式面临的一大问题。
技术实现思路
1、本专利技术的目的在于：为了解决如何能够动态配置，最大化实现服务资源、数据资源的合理配置和有效利用的问题，而提出的一种多场景复合情况下资源动态配置方法。
2、为
3、一种多场景复合情况下资源动态配置方法，具体包括以下步骤：
4、s1、平台综合多个租户的需求定制化开发服务链条，并将开发的服务链条转化成业务流程视图，并发送给多个租户；
5、s2、租户接收到业务流程视图后，根据自身企业的实际管理情况和管理模式选择符合自身的流程节点，并将选择结果上传给平台，平台根据租户上传的信息建立租户服务模型；
6、s3、平台计划分析以r-cnn训练边界框回归模型算法为核心的技术方案，拟编制基于区域候选方法生成约2000个候选区域；
7、s4、借助阈值分割、分水岭算法等参与实施，借助残差网络结构形成了更深的网络层次，在三种不同的尺度上进行检测代替启发式候选区域；
8、s5、尝试在配置所处节点内训练53层网络，并在检测任务时再次堆叠53层，形成106层完全卷积的底层架构；
9、s6、收集不同弱化场景下各节点租户在收到信息后的检测精度情况，改变模型结构的大小平衡速度与精度，通过多次阈值分割场景计算在租户服务模型的基础上建立新的模型；
10、s7、对新模型进行实时连续的数据监测，并汇集异常数据实时测量方案对新模型进行研究；
11、s8、研究观察偏离样本集合所产生的数据在系统运行中密集访问时间间隔等标记之间的关系；
12、s9、利用近邻传播算法和最大最小距离思想计算初始化聚类中心，将获得的初始聚类中心应用于k-means聚类算法，使得迭代次数降低，聚类结果保持稳定且具有高效的异常检测准确率；
13、s10、通过计算数据与近邻数据之间的距离来判断异常数据，首先找到k个最近的邻居，然后根据k个最近的邻居计算异常分数，跟one class svm算法结合的无监督学习算法，学习决策边界；
14、s11、验证深层递归的神经网络与自动编码器相结合算法，将流数据实时监测并保证检测结果准确为前提的必要条件，通过多次重复试验建立科学、统一的异常检测模型；
15、s12、模型建立后在导入租户需求以及多场景复合情况下，实现各个租户在各自场景下业务流程的自动化配置。
16、作为上述技术方案的进一步描述：
17、所述s4中，验证在复杂边缘检测过程中繁杂处理所导致的模型检测效率低下的问题。
18、作为上述技术方案的进一步描述：
19、所述s6中，计划设计基于two-stage的算法。
20、作为上述技术方案的进一步描述：
21、所述s8中，计划分析以k-means算法逻辑为主导。
22、作为上述技术方案的进一步描述：
23、所述s10中，通过边界去判断数据是否与训练数据相似，超出边界则为异常，解决极度不平衡的数据异常检测。
24、综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
25、1、本专利技术利用two-stage提炼算法，通过将租户服务建模分割成多个候选区，结合阈值分割、分水岭算法等行业前沿技术，对弱网、弱环境下不确定分子中的数据进行大量训练，解决之前传统场景下，多租户模式里总有少量服务配置精度化程度不高、边缘服务掌握度不够的问题，能在现有机制下提高企业运维效率，即形成高精准度、高及时性、高准确度的实时配置方法。
26、2、本专利技术中，基于对项目实时预警的期望，通过对k-means聚类算法的调优，在近邻关系内大量训练异常数据，分析数据间存在的联系及相似性，再结合多租户场景下习惯性出现的边缘模糊建立深度学习的神经网络模型，通过窗口浮动法批处理数据，运用层级实时记忆方法，加快海量动态数据的处理速度，反馈检测结果，最终达到高效的异常中心预警功能。
27、综上所述：本专利技术利用two-stage提炼算法和k-means聚类算法建立科学、统一的异常检测模型，能定制出符合租户要求的业务流程，不会给租户带来无价值的功能或者增加复杂度，本专利技术能够跟根据租户的自身情况动态地调整业务流程定制方案，合理配置数据资源，最大化实现服务资源的有效利用。
本文档来自技高网...【技术保护点】
1.一种多场景复合情况下资源动态配置方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种多场景复合情况下资源动态配置方法，其特征在于，所述S4中，验证在复杂边缘检测过程中繁杂处理所导致的模型检测效率低下的问题。
3.根据权利要求1所述的一种多场景复合情况下资源动态配置方法，其特征在于，所述S6中，计划设计基于Two-stage的算法。
4.根据权利要求1所述的一种多场景复合情况下资源动态配置方法，其特征在于，所述S8中，计划分析以K-means算法逻辑为主导。
5.根据权利要求1所述的一种多场景复合情况下资源动态配置方法，其特征在于，所述S10中，通过边界去判断数据是否与训练数据相似，超出边界则为异常，解决极度不平衡的数据异常检测。
【技术特征摘要】
1.一种多场景复合情况下资源动态配置方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种多场景复合情况下资源动态配置方法，其特征在于，所述s4中，验证在复杂边缘检测过程中繁杂处理所导致的模型检测效率低下的问题。
3.根据权利要求1所述的一种多场景复合情况下资源动态配置方法，其特征在于，所述s6中，计划设计基于tw...
【专利技术属性】
技术研发人员：叶梁，解金澎，
申请(专利权)人：金螳螂家数字科技苏州有限公司，
类型：发明
国别省市：
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。