1.一种云计算故障数据检测方法,其特征在于:包括:
云计算故障训练数据处理步骤,对云计算故障训练数据集中的数据进行处理,得到每条故障训练数据的隶属度、每个故障类别的故障特征权重;
待检测云计算数据所属故障类别判断步骤,根据故障训练数据的处理结果并结合云计算故障训练数据集扩充规则判断待检测云计算数据所属类别;
云计算故障训练数据集扩充步骤,将满足云计算故障训练数据集扩充规则的待检测云计算数据及其类别信息加入故障训练数据扩充集;
所述方法的具体步骤如下:
Step1:云计算故障训练数据处理;
Step1.1:输入含m个故障类别且每个故障类别含有n个故障训练数据的云计算故障训练数据集D={D1,…,Di,…,Dm},Di={xi1,…,xij,…,xin},xij=[xij1,…,xijl,…,xijp,ci],i=1,2,…,m,j=1,2,…,n,l=1,2,…p,其中Di表示属于第i个故障类别的故障训练数据,xij表示Di中第j条故障训练数据,xijl表示Di中第j条故障训练数据的第l个故障特征,ci表示xij所属故障类别,m表示故障类别数,n表示Di中故障训练数据个数,p表示故障训练数据的故障特征数;
Step1.2:利用基于密度聚类的思想将D中每个故障类别的故障训练数据分别构建成一个最小球,计算最小球的球中心ai和半径Ri,并结合故障训练数据在最小球中的位置,按照不同规则确定故障训练数据的隶属度msij,其中ai表示D中第i个故障类别的故障训练数据构建最小球的球中心,Ri表示D中第i个故障类别的故障训练数据构建最小球的半径,msij表示Di中第j条故障训练数据的隶属度;
Step1.3:根据云计算故障训练数据故障特征的模糊熵值来计算每个故障类别的特征权重wi,wi={wi1,…,wil,…,wip},并将wi存入w,w={w1,…,wi,…,wm},其中w表示D中故障训练数据的故障特征权重集合,wi表示Di中故障训练数据的故障特征权重,wil表示第i个故障类别第l个故障特征的权重;
Step2:待检测云计算数据所属故障类别判断;其中待检测云计算数据集用U表示,U={u1,…,uq,…,ue},uq={uq1,…,uql,…,uqp},其中uq表示待检测云计算数据集U中第q个云计算数据,uql表示U中第q个云计算数据中第l个故障特征,q=1,2,…,e,e表示待检测云计算数据个数;
Step2.1:判断q是否小于等于e:如果是,提取uq,并根据公式
计算uq与D中故障训练数据的加权欧式距离d(xij),并根据距离点排序,构建一个集合distanceSet;否则,执行Step3;
Step2.2:提取distanceSet中k个最小距离对应的故障训练数据,并设置阈值σ1,σ2,其中k小于等于n×m;
Step2.3:根据k个故障训练数据中隶属度最大值Max_ms对应故障训练数据的类别信息和云计算故障训练数据集扩充规则来确定待检测云计算数据的类别;其中云计算故障训练数据集扩充规则为:①根据Max_ms大于阈值σ1且待检测云计算数据与Max_ms对应故障训练数据所属故障类别的理想故障训练数据的距离小于匹配阈值ρ来确定将该待检测云计算数据及其类别信息加入已知故障类别扩充集known_fault;②根据Max_ms小于阈值σ2来确定待检测云计算数据为未知故障类别并将该数据和其类别信息加入未知故障类别扩充集Unknown_fault;q++,执行Step2.1;
Step3:云计算故障训练数据集扩充,将满足云计算故障训练集扩充规则的known_fault_set和Unknown_fault_set存入云计算故障训练数据扩充集Ext_D,其中Ext_D用于扩充云计算故障训练数据集D。
2.根据权利要求1所述的云计算故障数据检测方法,其特征在于:所述故障训练数据的隶属度,计算方法为:
1)初始化:i=1,球中心集Centroids为空,最小球半径集Radious为空,隶属度集ms为空;
2)判断i是否小于等于m:如果是,提取Di中的故障训练数据,令j=1,并执行3);否则,输出Centroids、Radious和ms,并执行Step1.3;
3)判断j是否小于等于n:如果是,执行4);否则,令j=1,并执行6);
4)根据公式(1)计算xij与Di中其他故障训练数据之间的欧式距离distance(xij,xir),将distance(xij,xir)存入dj,并对dj升序排列,dj表示Di中第j个故障训练数据与Di中其他数据距离的集合;
其中xirl表示Di中第r个故障训练数据的第l个故障特征,r≠j且r=1,2,…,n,n为Di中的故障训练数据个数;
5)提取距离集dj中前K个值(K≤n-1),计算K个值的倒数和zij及z=z+zij,并将zij存入zi,其中z表示zij的累加,zi表示Di中故障训练数据距离集前K个值倒数和集;j++,执行3);
6)判断j是否小于等于n:如果是,执行7);否则,对Gi降序排列,Gi为Di中故障训练数据的密度集,并执行8);
7)根据公式(2)计算Di中xij的密度density(xij),并将density(xij)存入Gi;j++,执行
6);
8)提取Gi中最大密度所对应的故障训练数据xmax,计算xmax与Di中其他故障训练数据的欧式距离,获得最小距离对应的故障训练数据xmin;
9)根据公式(3)计算得到球中心ai,并将球中心ai存入球中心集Centroids;
ai=0.6*xmax+0.4*xmin(3)
10)计算ai与Di中故障训练数据的欧式距离,并求距离平均值aver(Di),设置最小球半径调节系数coefR,根据公式(4)计算最小球半径Ri,将Ri存入Radious;令j=1,并执行11);
其中,n表示Di中故障训练数据的个数,并将Ri存入最小球半径集Radious中;
11)判断j是否小于等于n:如果是,执行12);否则,将msi存入ms,msi={msi1,…,msij,…,msin},其中msi表示Di中故障训练数据的隶属度集合,i++,并执行2);
12)根据公式(5)计算xij与球中心ai的欧式距离distance(ai,xij);
其中ail为故障类别i的球中心的第l个故障特征;
13)判断distance(ai,xij)是否小于Ri:如果是,执行14);否则,执行15);
14)根据公式(6)计算xij的隶属度msij,并存入msi;j++,并执行11);
15)根据公式(7)计算xij的隶属度msij,并存入msi;j++,并执行11);
3.根据权利要求1所述的云计算故障数据检测方法,其特征在于:所述故障特征的权重,计算方法为:
1)初始化:i=1,故障特征权重集w为空,理想故障训练数据集id为空;
2)判断i是否小于等于m:如果是,执行3);否则,输出w和id,id={id1,…,idi,…,idm},其中id为D中每个故障类别的理想故障训练数据的集合,并执行Step2;
3)提取Di中的故障训练数据,根据公式(8)计算第i个故障类别的理想故障训练数据idi,idi={idi1,…,idil,…,idip},并将idi存入id;其中idi表示Di中故障训练数据的理想故障训练数据,idil表示Di中故障训练数据的理想故障训练数据的第l个故障特征;令j=1,并执行4);
4)判断j是否小于等于n:如果是,获取Di中的第j个云计算故障训练数据xij,令l=1,并执行5);否则,令l=1,并执行7);
5)判断l是否小于等于p:如果是,执行6);否则,将sij存入si,sij={siml(i,j),…,siml(i,j),…,simp(i,j)},其中si表示Di中每个故障训练数据的故障特征与idi对应的故障特征的相似度集,j++,执行4);
6)根据公式(9)计算xij第l个故障特征与理想故障训练数据idi第l个故障特征的相似度siml(i,j),并将其存入sij,其中sij表示Di中第j个故障训练数据的故障特征与idi中对应故障特征的相似度集合;l++,执行5);
7)判断l是否小于等于p:如果是,执行8);否则,令l=1,并执行9);
8)根据si和公式(10)计算Di中故障训练数据第l个故障特征的模糊熵值H(l)和Hsum=Hsum+1/H(l),其中Hsum表示故障特征模糊熵值倒数的累加;l++,执行7);
9)判断l是否小于等于p:如果是,执行10);否则,将wi存入w,wi={wi1,…,wil,…,wip},i++,执行2);
10)根据公式(11)计算Di中故障训练数据第l个故障特征的权重wil,并将wil存入wi;l++,执行9);
4.根据权利要求1所述的云计算故障数据检测方法,其特征在于:所述判断待检测云计算数据的类别的方法:
1)初始化:v=1,Max_ms=0;
2)判断v是否小于等于k:如果是,提取第v个近邻故障训练数据的隶属度msv;否则,执行
4);
3)判断msv是否大于等于Max_ms:如果是,将msv的值赋给Max_ms,并获取该故障训练数据的类别信息;否则,v++,并执行2);
4)判断Max_ms是否大于σ1:如果是,提取Max_ms对应故障训练数据所属故障类别的最小球半径Rs,设置匹配阈值ρ=2Rs,执行5);否则,执行7);
5)根据公式(12)计算uq与Max_ms对应故障训练数据所属故障类别的理想故障训练数据idMax_ms的相似度dsim;
其中,idMax_msl表示Max_ms对应故障训练数据所属故障类别的理想故障训练数据idMax_ms的第l个故障特征;
6)判断dsim是否小于等于ρ:如果是,将uq所属的故障类别判断为Max_ms对应故障训练数据的类别,并将uq及其类别信息加入已知故障类别扩充集known_fault_set,并执行9);
否则,执行8);
7)判断Max_ms是否小于σ2:如果是,将uq所属的故障类别判断未知故障类别,并将uq及其类别信息加入未知故障类别扩充集Unknown_fault_set,并执行9);否则,执行8);
8)将uq所属的故障类别判断为Max_ms对应故障训练数据的类别;
9)输出uq的类别信息。
5.根据权利要求1或4所述的云计算故障数据检测方法,其特征在于:所述σ1=0.94,σ2=0.4,k=2。
6.根据权利要求2所述的云计算故障数据检测方法,其特征在于:所述K=3。
7.一种根据权利要求1所述方法的云计算故障数据检测系统,其特征在于:包括:云计算故障训练数据处理装置,用于对云计算故障训练数据集中的数据进行处理,得到每条故障训练数据的隶属度、每个故障类别的故障特征权重;
待检测云计算数据所属故障类别判断装置,用于根据故障训练数据的处理结果并结合云计算故障训练数据集扩充规则判断待检测云计算数据所属类别;
云计算故障训练数据集扩充装置,用于将满足云计算故障训练数据集扩充规则的待检测云计算数据及其类别信息加入故障训练数据扩充集。