【技术实现步骤摘要】
本专利技术涉及软件管理，具体为一种基于移动互联网的应用软件智能管理系统及方法。
技术介绍
1、基于移动互联网的应用软件智能管理系统通常是指利用移动通信技术，结合云计算、大数据、人工智能等现代信息技术，为用户提供智能化的应用管理和服务的系统，这类系统能够实现对移动应用软件的高效管理，同时可以对应用软件发生的故障类型进行判断；通过对历史故障数据进行分析，能够识别常见的故障模式和原因，这可以帮助系统了解出现的故障类型，如硬件故障、软件冲突、网络问题等；但除此之外，可能还有一些更复杂的问题来源，如特定情况下的应用软件故障，或是在某些特定场景下的运行故障等；如何识别并建模这些应用软件故障，提高应用软件故障类型的判断准确率成为了一个亟需解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于移动互联网的应用软件智能管理系统及方法，以解决上述
技术介绍
中提出的问题。
2、在本专利技术的一个方面，提供一种基于移动互联网的应用软件智能管理方法，包括：s1-1，获取应用软件的历史使用日志，提取出应用软件的历史输入特征和历史运行状态；
3、s1-2，基于应用软件的历史输入特征，获取输入特征差值的均方根值；
4、s1-3，基于应用软件的历史输入特征，分析应用软件的输入特征对应用软件运行状态的影响；
5、s1-4，以dbscan模型对应用软件的历史输入特征进行聚类，基于聚类结果判断应用软件的故障类型，并根据故障预测准确率对dbscan模型进行调整；>
6、s1-5，获取应用软件当前的输入特征，以dbscan模型对应用软件可能发生的故障进行预测，并根据预测结果执行处理措施。
7、在步骤s1-2中，所述获取输入特征差值的均方值还包括以下步骤：
8、在同一个输入特征下，计算任意两次不同历史使用日志下输入特征的差值，遍历所有的历史使用日志，取所有差值的均方根值，得到输入特征的差值均方根值，记为，其中i为区间[1,n]之间的正整数。
9、在步骤s1-3中，所述基于应用软件的历史输入特征，分析应用软件的输入特征对应用软件运行状态的影响还包括以下步骤：
10、计算所有历史使用日志中输入特征的均值和标准差，记为和，基于历史使用日志中输入特征与均值的偏离情况，将历史使用日志分成两部分，以表示输入特征的值，若，则判断输入特征处于正常状态，否则判断输入特征处于非正常状态；
11、当输入特征与均值出现较大偏差时，可判断输入特征处于非正常状态；基于3西格玛法则对异常数据进行判断，可以取为1、2或者3。
12、根据历史使用日志，计算出输入特征处于正常状态时，应用软件出现故障的概率；根据历史使用日志，计算出输入特征处于非正常状态时，应用软件出现故障的概率，若大于阈值l，则判断输入特征对应用软件发生故障有影响；为区间[1,m]之间的正整数，m为应用软件故障类型的总数。
13、为故障发生率的提升值，根据输入特征出现异常后，各类型故障的发生率是否显著提高来判断输入特征对故障是否有影响。
14、在步骤s1-4中，所述以dbscan模型对应用软件的历史输入特征进行聚类包括以下步骤：
15、以表示在第p个历史使用日志中输入特征的值，p为区间[1,k]之间的正整数，k为历史使用日志的数量，计算历史输入特征之间的特征距离，为p在定义域内的不同值，基于特征距离采用dbscan算法对历史使用日志的输入特征划分聚类簇；、、…、为输入特征、、…、的连接系数；
16、；
17、所述基于聚类结果判断应用软件的故障类型，还包括以下步骤：
18、在dbscan算法中得到的任意聚类簇b中，对于聚类簇b中的任意一个历史使用日志中的输入特征数据q，计算同一个聚类簇中其他历史使用日志中的输入特征与输入特征数据q之间的特征距离，将特征距离记为、、…、，b+1为聚类簇b中输入特征数据的个数，则得到输入特征数据q发生类型c的应用软件故障的概率，，其中，c的取值范围为[0,m]之间的正整数，当c为0时，表示应用软件未发生故障；为、、…、中应用软件发生类型c故障的特征数据与输入特征数据q之间的特征距离。
19、根据聚类结果，聚类簇中c类应用软件故障的输入特征数据越多，则发生c类应用软件故障的概率越高，反之亦然；而聚类簇中的其他输入特征数据并不相同，与输入特征数据q的特征距离越小，对输入特征数据q的影响越大，发生c类应用软件故障的概率与特征距离的倒数成正相关。
20、连接系数、、…、的初始值通过以下步骤进行确定：
21、s5-1，计算加入连接系数、、…、后带来的欧氏距离变化值，连接系数、、…、带来变化值、、…、，
22、，
23、，…，
24、；
25、基于应用软件的输入特征应用软件出现故障的影响，找到所有影响应用软件出现故障的输入特征及输入特征对应的连接系数，将输入特征对应的连接系数带来的欧氏距离变化值取代数和，得到应用软件出现故障的变化值；
26、s5-2，计算任意两个变化值和之间的差值，差值为受连接系数、、…、影响的函数，和的取值范围与j相同，且和不相等；将s5-2中得到的所有差值进行平方后求和得到和函数，和函数为受连接系数、、…、影响的函数，以和函数对连接系数、、…、求解一阶和二阶偏导数，在约束条件所有连接系数都处于区间[0,f]的情况下，f为大于等于1的正整数；以拉格朗日乘数法求解得到和函数的最大值，和函数取得最大值时同时得到连接系数、、…、的初值。
27、得到所有输入特征的差值均方根值之后，能够得到连接系数、、…、都为1时的平均欧式距离，当某个连接系数发生变化后，能够得到连接系数变化带来的欧式距离变化，做差得到连接系数变化带来的欧氏距离与平均欧式距离的差异；为了提高不同类型的应用软件故障的识别率，改变连接系数后使欧式距离偏离连接系数、、…、都为1时的平均欧式距离，也就是特征距离；dbscan算法基于距离对输入特征数据进行聚类，特征距离之间的差异越大，不同类型的应用软件故障的识别率就会越高，聚类的效果就越好；当特征距离之间的差异达到最大值时，不同类型的应用软件故障的识断准确率；对聚类簇b中所有输入特征数据进行计算得到聚类簇b中所有输入特征数据的应用软件故障类型判断准确率，按照应用软件故障类型取平均值得到聚类簇b中应用软件故障类型判断准确率；对所有聚类簇都采取聚类簇b的运算并取平均值，得到所有历史输入特征数据的应用软件故障类型判断准确率；借用粒子群算法对连接系数、、…、进行调整，粒子的搜索空间维度为n，粒子的自变量为连接系数、、…、，粒子的搜索空间为[0,f]；
28、s100，初始化粒子的位置和速度，粒子的初始位置包括连接系数、、…、的初值和连接系数、、…、全部为1的情况；
29、s200，评估每个粒子的适应度，粒子的适应度为所有历史输入特征数据的应用软件故障类型判断准确率；
本文档来自技高网...【技术保护点】
1.一种基于移动互联网的应用软件智能管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，在步骤S1-2中，所述获取输入特征差值的均方值还包括以下步骤：
3.根据权利要求2所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，在步骤S1-3中，所述基于应用软件的历史输入特征，分析应用软件的输入特征对应用软件运行状态的影响还包括以下步骤：
4.根据权利要求3所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，在步骤S1-4中，所述以DBSCAN模型对应用软件的历史输入特征进行聚类包括以下步骤：
5.根据权利要求4所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，连接系数、、…、的初始值通过以下步骤进行确定：
6.根据权利要求5所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，所述根据故障预测准确率对DBSCAN模型进行调整还包括以下步骤：
7.一种基于移动互联网的应用软件智能管理系统，使用如权利要求1-6中任一项所述
8.根据权利要求7所述的一种基于移动互联网的应用软件智能管理系统，其特征在于，所述应用软件监测模块还包括：故障监测单元和故障处理单元，所述故障监测单元用于对应用软件进行特定故障类型检测，确定应用软件是否发生模式识别模块反馈的故障类型；所述故障处理单元，在故障监测单元确定应用软件发生的故障类型之后，针对故障类型采取对应的防护措施。
9.根据权利要求7所述的一种基于移动互联网的应用软件智能管理系统，其特征在于，所述模式识别模块还包括相关性分析单元、无监督分类单元和参数优化单元；所述相关性分析单元用于确定输入特征数据与应用软件故障类型的关系；所述无监督分类单元基于特征距离以DBSCAN聚类算法对当前时刻的输入特征数据进行聚类，判断出在当前时刻的输入特征下应用软件发生的故障类型；所述参数优化单元用于对DBSCAN聚类的效果进行评估，并对DBSCAN聚类算法中特征距离的参数进行优化。
10.根据权利要求9所述的一种基于移动互联网的应用软件智能管理系统，其特征在于，所述参数优化单元以故障预测准确率作为评价指标对DBSCAN模型进行评估，并采用粒子群算法寻找特征距离参数的最佳组合方式。
...【技术特征摘要】
1.一种基于移动互联网的应用软件智能管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，在步骤s1-2中，所述获取输入特征差值的均方值还包括以下步骤：
3.根据权利要求2所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，在步骤s1-3中，所述基于应用软件的历史输入特征，分析应用软件的输入特征对应用软件运行状态的影响还包括以下步骤：
4.根据权利要求3所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，在步骤s1-4中，所述以dbscan模型对应用软件的历史输入特征进行聚类包括以下步骤：
5.根据权利要求4所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，连接系数、、…、的初始值通过以下步骤进行确定：
6.根据权利要求5所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，所述根据故障预测准确率对dbscan模型进行调整还包括以下步骤：
7.一种基于移动互联网的应用软件智能管理系统，使用如权利要求1-6中任一项所述的一种基于移动互联网的应用软件智能管理方法，其特征在于，包括：数据采集模块、数据存储模块、应用软件监测模块和模式识别模块；所述数据采集模块的输出端与所述数据存储模块和模式识别模块的输入端相互连接，用于获取应用软件运行过程中的输入特征数据；所述数据存储模块的输出端与所述模式识别模块的输入端相互连接，用于存储应用...
【专利技术属性】
技术研发人员：冯亮，
申请(专利权)人：深圳市绽放工场科技有限公司，
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。