【摘 要】
：
为了保障IT服务的稳定运行,由人工智能与运维结合的智能运维近年来引起关注。其中两项核心任务为预测与异常检测。预测是基于时间序列估计出下一状态值。异常检测是基于时间序列判断当前状态值是否异常。当前二者的主要挑战是:在现有方法中被分开处理,且无监督场景下异常会干扰模型,同时精度较高的深度学习在计算资源有限时难以应用。因此,研究面向IT运维时序数据的预测与异常检测有重要意义。基于上述分析,论文提出以下两
论文部分内容阅读
为了保障IT服务的稳定运行,由人工智能与运维结合的智能运维近年来引起关注。其中两项核心任务为预测与异常检测。预测是基于时间序列估计出下一状态值。异常检测是基于时间序列判断当前状态值是否异常。当前二者的主要挑战是:在现有方法中被分开处理,且无监督场景下异常会干扰模型,同时精度较高的深度学习在计算资源有限时难以应用。因此,研究面向IT运维时序数据的预测与异常检测有重要意义。基于上述分析,论文提出以下两种方法。首先,当前预测与异常检测分别独立进行,且无监督场景下异常会干扰模型训练,降低预测鲁棒性和检测精度。论文提出一种基于深度学习的预测与异常检测联合模型。该模型序贯连接VAE和LSTM以联合训练,将VAE重构输出作为LSTM输入以提高预测鲁棒性,同时LSTM帮助VAE捕获窗口外的长时信息。此外,引入谱残差估计正常置信度用于模型训练加权以减少异常干扰。实验表明,所提模型在现有IT运维时序数据集上的两个任务都取得了令人满意的结果。其次,目前深度学习虽然精度较高,但需要较多计算资源,在资源有限的场景难以应用。论文提出一种基于矩阵画像的预测与异常检测方法。该方法引入只利用历史信息的左矩阵画像,优化z-score标准化,并利用差分减少异常对后续子序列的影响,提高异常检测精度。此外,通过指数加权滑动平均来平滑时间序列,之后利用左矩阵画像索引指向的子序列的后续状态值进行预测。通过实验验证,所提方法在现有IT运维时序数据集的两个任务上取得了较好的结果。
其他文献
近年来,人工智能、大数据分析及物联网等技术如雨后春笋般涌现,对全球价值链的发展产生了较大的影响,同时一些新兴发展中国家购买力不断增强,许多产品不再是由这些国家生产进而出口,而是在这些国家内部进行消费,传统的以劳动力成本为比较优势的贸易模式开始发生变化,开始向以科技和产品差异为比较优势的贸易模式进行转变,未来科技和产品的比较优势可能成为推动全球价值链发展的主要因素,因此当前世界许多国家和企业开始投入
我国海洋资源充足,海洋水产品营养丰富,具有很高的商业价值,水产养殖行业发展迅速。水产养殖越来越需要更好的养殖策略来提高生产质量和效率。大规模育种和高质量的养殖,需要一种快速高通量的测量技术来提供数据支持。海洋科学研究的相关领域也需要测量鱼虾的一些形态参数。因此,本文选取对虾为研究对象,使用计算机视觉技术测量对虾的形态参数。围绕从对虾正面图像和侧面图像进行测量的目标,具体研究内容如下:首先,经过两次
共振拉曼光谱是一种有效提高拉曼信号强度的表征技术,当激发光波长与目标分子的电子吸收能级匹配时,目标分子的某些振动模式的拉曼信号强度会呈现指数型的增强,我们便可以从拉曼谱图中获得更多的分子信息。由于共振拉曼光谱在可见光区和紫外光区实现对痕量物质高灵敏度的检测上存在显著差别,本论文将分别介绍在这两个波长区域开展仪器搭建和检测研究工作。对于可见光区的共振拉曼光谱,其增强倍数相对较低且往往伴随着强烈的荧光
目的：研究老北京水果~1品牌的发展对策。方法：从品种资源分布、特色文化属性、保护恢复情况、品牌登记背书4个方面分析老北京水果发展现状和存在的问题。结果：当前存在部分品种恢复有难度、协同联动发展机制有待完善、品牌建设服务能力有待提升、品牌特色内涵挖掘有待深入、品牌宣传推介力度有待加强5方面问题。结论：从强化品牌创建引领、加强品牌创新联动、挖掘保育优质资源、开展果园提升改造、延展品牌宣展形式、畅通销售
最近,对于纯文本数据的文本摘要技术已经取得了巨大的突破,但仍然存在对结构化信息忽略的问题。有相当部分的数据是带有结构化信息的文本,在某些领域,合理地利用结构化信息对于改进文本摘要的质量至关重要。为此,本学位论文在两个领域探讨融合结构化信息以改进文本摘要的效果,包括:面向推文的实时事件摘要中提高摘要完整性和基于抽象语法树提高代码摘要质量。首先研究了面向推文的实时事件摘要问题。推特文本中包含了时间信息
在街道设计回归人本主义的背景下,街道界面连续性和场所性重新引起人们的关注。文章首先综述了现阶段对街道界面连续性的研究;其次,以慕尼黑为例,总结了其内城商业步行街的形成、发展和完善;再次,运用最大切面法对慕尼黑内城商业步行街及其他六条典型步行街进行界面密度量化研究,并归纳出街廓尺度、街道宽度与界面密度的关系;最后,从街区、街道和界面三个层面提出了商业步行街界面连续性导控策略,以期推动城市商业街建设作
随着三维模型数量呈海量式增长,迫切需要简单快捷而又准确高效的检索系统来管理三维模型。基于草图的三维模型检索方式不仅具有出色的用户友好性,也满足当前各行各业快节奏的生产需求。然而,草图与三维模型之间巨大的跨模态差异,给相似性度量匹配与检索造成了较大的困难。另外,由于草图线条扭曲、内容抽象,导致特征信息少、挖掘难度大。本文致力于研究如何有效地解决这两大难题,采用以深度学习方法为基础,构建了两种不同的方
传统的药物研发周期非常长,通常需要投入巨资研发。使用计算机辅助药物发现可以提高研发效率并有效降低研发成本,引起了广泛关注并吸引众多学者进行相关研究。药物靶标相互作用预测是计算机辅助药物发现的一个重要研究领域。药物靶标相互作用预测所涉及的数据具有噪声多、维度高和稀疏的特点,矩阵分解方法常被用以预测未知或缺失的数据,能很好应对具有上述特点的数据。因此,本文基于矩阵分解从以下几个方面展开对药物靶标相互作
纹理滤波是一种底层的图像处理任务,它的主要操作是保留突出的结构,去掉振荡纹理。研究这一问题的关键是找到图层间正确的边界来分离结构和纹理。传统的过滤方法在超参数调节上会花费大量的时间,深度学习方法则需要依赖高质量的数据集。本文针对研究中出现的问题提出了两种方案来研究利用生成对抗网络（GAN）进行纹理滤波。方案一提出一种半监督的纹理滤波方法,利用有限的标记数据和大量的非标记数据训练GAN。在训练阶段为
近年来,随着“智慧城市”理念的推行,人们愈发关注城市公交系统的运营效率问题。移动通信技术和大数据技术的迅猛发展为乘客和公交系统交互创造了条件,弹性公交系统是结合了公交系统与上述两种技术的一项创新型公交系统,该系统可以动态地调整公车行驶路线、调度车辆来满足乘客请求,在有效缓解交通压力、节省能源消耗的同时保证乘客乘车的舒适度,其出现反映了城市公交系统朝灵活性和便捷性发展的趋势。传统公交系统中设置的固定