基于堆叠稀疏自编码深度神经网络的软件老化识别  

作　　者：王子禁 严家兴[1] 黄珊[1] 苏韦伟 

机构地区：[1]南京农业大学信息科技学院,江苏南京210095

出　　处：《高校实验室工作研究》2018年第3期48-51,共4页

基　　金：中央高校基本科研业务费科技平台实验技术人才基金(项目编号:KJSY201617)

摘　　要：随着高校加大对教学科研的投入,很多实验室都购买了服务器。但是在使用过程中,不可避免的会出现软件老化现象,极大干扰了日常的教学与科研。基于深度学习强大的特征自提取能力,提出一种基于堆叠稀疏自编码深度神经网络的软件老化识别方法。该方法首先将实验采集到的软件性能数据划分为正常、中间态以及老化三种软件系统状态。随机选取其中的70%作为训练数据,用于训练网络的权值和偏置参数,根据训练出的参数确立最优分类模型,利用剩余的30%作为测试数据,验证该网络的有效性。实验分析表明,该方法具有较高的识别率,能够有效的应用于软件老化的识别。

关 键 词：软件老化 深度学习 堆叠稀疏自编码 

分 类 号：G642.0[文化科学—高等教育学]