1.一种基于S.M.A.R.T参数的硬盘健康状态分析方法，其特征在于，

包括：获取S.M.A.R.T参数训练集；对所述S.M.A.R.T参数进行预处理，其中，对于所述S.M.A.R.T参数的不同子参数，采用对应的不同处理方法，生成对应的硬盘运行特征参数；

将所述硬盘运行特征参数进行标准化、归一化处理；根据所述硬盘运行特征参数的数据特征，从所述硬盘运行特征参数中提取硬盘健康状态特征参数；根据所述硬盘健康状态特征参数，结合DS证据理论方法，展开训练集训练；根据训练结果，分析指定硬盘的健康状态；

对于所述S.M.A.R.T参数的不同子参数，采用对应的不同处理方法，生成硬盘运行特征参数，包括：对于所述S.M.A.R.T参数的第一子参数，直接确定为对应的第一硬盘运行特征子参数；对于所述S.M.A.R.T参数的第二子参数，采用扇区访问次数窗口，统计指定扇区访问次数内的第二子参数信息，生成对应的第二硬盘运行特征子参数；对于所述S.M.A.R.T参数的第三子参数，采用扇区访问时间窗口，统计指定扇区访问时间内的第三子参数信息，生成对应的第三硬盘运行特征子参数；

根据所述硬盘运行特征参数的数据特征，从所述硬盘运行特征参数中提取硬盘健康状态特征参数，包括：确定硬盘健康状态特征参数的个数；根据所述硬盘健康状态特征参数的个数，采用SVD方法或者PCA方法对所述硬盘运行特征参数进行降维计算；输出降维计算后得到的硬盘健康状态特征参数；

根据所述硬盘健康状态特征参数，结合DS证据理论方法，展开训练集训练，包括：对于每一硬盘健康状态特征子参数，建立单独的模型；根据训练集数据，为每一模型确定对应的基础概率分配。

2.如权利要求1所述的方法，其特征在于，根据训练结果，分析指定硬盘的健康状态，包括：确定指定硬盘的健康状态特征参数；根据所述指定硬盘的健康状态特征参数，采用邓普斯特方法融合基础概率分配，得到对应的综合概率；根据所述综合概率，输出所述指定硬盘的健康状态。

3.如权利要求1所述的方法，其特征在于，根据训练集数据，为每一模型确定对应的基础概率分配，包括：建立硬盘的健康状态识别框架；根据所述识别框架，为每一模型建立假设分布；根据所述假设分布和训练集数据计算基础概率分布；根据所述基础概率分布，得到每一模型确定对应的基础概率分配。

4.如权利要求3所述的方法，其特征在于，所述硬盘的健康状态识别框架，包括：良好、普通、危险、高危、损坏。

5.如权利要求4所述的方法，其特征在于，根据所述识别框架，为每一模型建立的假设分布，包括：{良好}，{普通}，{危险}，{高危}，{损坏}，{良好、普通}，{普通、危险}，{危险、高危}，{高危、损坏}，{良好、普通、危险}，{普通、危险、高危}，{危险、高危、损坏}。

6.一种可读存储介质，适于存储一个或多个程序，所述一个或多个程序被配置为由计算设备执行如权利要求1‑5中任一项所述的基于S.M.A.R.T参数的硬盘健康状态分析方法。

7.一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行如权利要求

1‑5中任一项所述的基于S.M.A.R.T参数的硬盘健康状态分析方法。