申请/专利权人:天翼云科技有限公司
申请日:2023-12-13
公开(公告)日:2024-04-12
公开(公告)号:CN117873868A
主分类号:G06F11/36
分类号:G06F11/36;G06F18/2135;G06N20/20;G06N20/10;G06F18/27;G06F18/2411
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于PCA和集成学习的云平台混沌实验参数自动生成方法,涉及云平台软件测试领域,测试工程师采集的数据可以通过PCA算法进行特征降维,提高数据质量。降维后的特征可以用于训练集成学习模型,其中基学习器采用支持向量机回归,集成学习策略采用bagging策略,并利用训练完成的SVR‑bagging模型对混沌实验参数进行预测,根据预测概率评估该参数组合是否存在执行的价值。采用该方法可以实现混沌实验参数设计过程的自动化,提高云计算测试工程师设计混沌实验的效率和混沌实验参数集合的质量,降低对测试工程师云计算、特征工程经验的需求,有利于提升云计算平台的稳定性,提升开发、测试人员的工作效率,缩短云平台开发周期。
主权项:1.基于PCA和集成学习的云平台混沌实验参数自动生成方法,其特征在于:具体包含训练方法和混沌实验参数生成方法;其中,训练方法,具体包含训练数据采集、PCA特征降维和SVR-bagging模型训练;具体包含如下步骤;步骤1,采用主成分分析PCA对混沌实验参数备选集降维;步骤2,采用SVR-bagging集成学习方法对降维后的混沌实验参数进行预测,对预测结果使用sigmoid函数进行归一化后处理;步骤3,通过阈值筛选出合理且具有价值的混沌实验参数。
全文数据:
权利要求:
百度查询: 天翼云科技有限公司 基于PCA和集成学习的云平台混沌实验参数自动生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。