摘要
本申请公开了一种高精度的工作负载识别方法、系统及存储介质,涉及计算机系统性能分析技术领域,方法包括:获取工作负载的读写数据,对读写数据分组,得到操作数据和聚合数据;从操作数据中提取基本访问特征、时间访问特征、空间访问特征;依据每种访问特征的特征值确定每种访问特征的操作时间序列,依据多个维度对操作时间序列提取第一时序特征;将聚合数据按单位时间进行聚合,得到聚合时间序列,依据多个维度对聚合时间序列提取第二时序特征;依据目标时序特征对预设的机器学习模型进行训练,以使训练完成后的机器学习模型进行工作负载识别,目标时序特征包括第一时序特征和/或第二时序特征。本申请能有效全面地提取工作负载的特征用于分类。
技术关键词
访问特征
负载识别方法
时序特征
机器学习模型
地址偏移量
读数据
序列
标签
总量
识别系统
特征值
模型训练模块
可读存储介质
特征提取模块
数据获取模块
噪声数据
热点
计算机
系统为您推荐了相关专利信息
潜力分析方法
供暖系统
需求预测模型
机器学习模型
户用热量表
遥控泊车控制方法
蓝牙接收器
车载摄像头
终端
车辆
热处理工艺参数
工艺设计方法
机器学习模型
高强韧耐腐蚀
奥氏体
自动分析方法
单通道EEG信号
大语言模型
分类神经网络
深度神经网络分类