【技术实现步骤摘要】
所属的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。本公开的示例性实施方式还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤，例如可以执行图2至图4以及图7至图9中的任意一个或多个步骤。本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读
技术介绍
1、系统软件老化是指在软件持久和连续地运行过程中，由于老化相关的错误的累积而导致的资源持续消耗，系统性能持续下降或系统错误数持续增加，并最终导致系统崩溃的现象。对系统软件老化进行预测，可以确定最佳重生时机，缓解老化影响，防止故障发生。
2、相关技术中，采用单一指标或单个机器学习模型进行系统软件老化预测，预测结果易受系统环境的影响，稳定性较差，预测准确性较低。
3、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的目的在于提供一种系统软件老化预测模型的确定方法及装置、系统软件老化预测方法及装置、计算机可读存储介质和电子设备，进而至少在一定程度上改善系统软件老化预测模型的稳定性和预测准确性。
2、根据本公开的第一方面，提供一种系统软件老化预测模型的确定方法，包括：获取系统软件老化指标的历史运行数据，所述系统软件老化指标中包括n个标记指标；针对所述n个标记指标中的每个标记指标，根据所述标记指标和与所述标记指标关联的其它系统软化老化指标，确定出所述标记指标对应的特征向量；针对所述n个标记指标中的每个标记指标，根据所述标记指标的历史运行数据，确定出以所述标记指标对应的特征向量为训练特征时的训练数据标签；根据所述n个标记指标中的每个标记指标对应的特征向量指示的历史运行数据和训练数据标签，训练m个初始机器学习模型，得到n×m个目标机器学习预测模型；基于所述n×m个目标机器学习模型，确定出系统软件老化预测模型；其中，所述n、m均为正整数，且n×m大于1。
3、根据本公开的第二方面，提供一种系统软件老化预测方法，包括：获取系统运行过程中系统软件老化指标的指标值；从所述系统软件老化指标的指标值中，分别确定出系统软件老化预测模型中的每个子模型的特征向量所包括的系统软件老化指标的指标值，以分别得到所述系统软件老化预测模型中的每个子模型的输入数据；根据所述系统软件老化预测模型中的每个子模型的输入数据，确定出所述系统软件老化预测模型中的每个子模型的老化预测结果；基于所述系统软件老化预测模型中的每个子模型的老化预测结果，确定出所述系统软件的老化预测结果；其中，所述系统软件老化预测模型根据第一方面所述的系统软件老化预测模型的确定方法确定。
4、根据本公开的第三方面，提供一种系统软件老化预测模型的确定装置，包括：训练数据获取模块，被配置为获取系统软件老化指标的历史运行数据，所述系统软件老化指标中包括n个标记指标；特征向量确定模块，被配置为针对所述n个标记指标中的每个标记指标，根据所述标记指标和与所述标记指标关联的其它系统软件老化指标，确定出所述标记指标对应的特征向量；训练标签确定模块，被配置为针对所述n个标记指标中的每个标记指标，根据所述标记指标的历史运行数据，确定出以所述标记指标对应的特征向量为训练特征时的训练数据标签；模型训练模块，被配置为根据所述n个标记指标中的每个标记指标对应的特征向量指示的历史运行数据和训练数据标签，训练m个初始机器学习模型，得到n×m个目标机器学习预测模型；系统软件老化预测模型确定模块，被配置为基于所述n×m个目标机器学习模型，确定出系统软件老化预测模型；其中，n、m均为正整数，且n×m大于1。
5、根据本公开的第四方面，提供一种系统软件老化预测装置，包括：指标运行数据获取模块，被配置为获取系统运行过程中系统软件老化指标的指标值；模型输入数据确定模块，被配置为从所述系统软件老化指标的指标值中，分别确定出系统软件老化预测模型中的每个子模型的特征向量所包括的系统软件老化指标的指标值本文档来自技高网...
【技术保护点】
1.一种系统软件老化预测模型的确定方法，其特征在于，包括：
2.根据权利要求1所述的系统软件老化预测模型的确定方法，其特征在于，所述根据所述标记指标和与所述标记指标关联的其它系统软件老化指标，确定出所述标记指标对应的特征向量，包括：
3.根据权利要求1所述的系统软件老化预测模型的确定方法，其特征在于，所述初始机器学习模型包括分类模型和回归模型，所述分类模型用于预测所述系统是否处于老化状态，所述回归模型用于预测所述系统软件距离崩溃状态的时长；
4.根据权利3所述的系统软件老化预测模型的确定方法，其特征在于，所述根据所述标记指标的历史运行数据的第一分位数，确定出以所述标记指标对应的特征向量为所述分类模型的训练特征时的训练数据标签，包括：
5.根据权利3所述的系统软件老化预测模型的确定方法，其特征在于，所述根据所述标记指标对应的历史运行数据的第二分位数，确定出以所述标记指标对应的特征向量为所述回归模型的训练特征时的训练数据标签，包括：
6.根据权利1所述的系统软件老化预测模型的确定方法，其特征在于，所述获取软件老化指标的历史运
7.根据权利1所述的系统软件老化预测模型的确定方法，其特征在于，所述目标机器学习模型包括分类模型和回归模型；
8.一种系统软件老化预测方法，其特征在于，包括：
9.根据权利要求1所述的系统软件老化预测方法，其特征在于，所述系统软件老化预测模型包括分类模型和回归模型，所述分类模型用于预测所述系统是否处于老化状态，所述回归模型用于预测所述系统软件距离崩溃状态的时长；
10.一种系统软件老化预测模型的确定装置，其特征在于，包括：
11.一种系统软件老化预测装置，其特征在于，包括：
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的方法。
13.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种系统软件老化预测模型的确定方法，其特征在于，包括：
2.根据权利要求1所述的系统软件老化预测模型的确定方法，其特征在于，所述根据所述标记指标和与所述标记指标关联的其它系统软件老化指标，确定出所述标记指标对应的特征向量，包括：
3.根据权利要求1所述的系统软件老化预测模型的确定方法，其特征在于，所述初始机器学习模型包括分类模型和回归模型，所述分类模型用于预测所述系统是否处于老化状态，所述回归模型用于预测所述系统软件距离崩溃状态的时长；
4.根据权利3所述的系统软件老化预测模型的确定方法，其特征在于，所述根据所述标记指标的历史运行数据的第一分位数，确定出以所述标记指标对应的特征向量为所述分类模型的训练特征时的训练数据标签，包括：
5.根据权利3所述的系统软件老化预测模型的确定方法，其特征在于，所述根据所述标记指标对应的历史运行数据的第二分位数，确定出以所述标记指标对应的特征向量为所述回归模型的训练特征时的训练数...
【专利技术属性】
技术研发人员：吴化尧，姜宇佳，郑贺，聂长海，刘桦，郑树贤，
申请(专利权)人：南京大学，
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。