CASIA OpenIR  > 学术期刊  > 自动化学报
基于多维度特征融合的云工作流任务执行时间预测方法
李慧芳; 黄姜杭; 徐光浩; 夏元清
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:1Pages:67-78
Abstract任务执行时间估计是云数据中心环境下工作流调度的前提.针对现有工作流任务执行时间预测方法缺乏类别型和数值型数据特征的有效提取问题,提出了基于多维度特征融合的预测方法.首先,通过构建具有注意力机制的堆叠残差循环网络,将类别型数据从高维稀疏的特征空间映射到低维稠密的特征空间,以增强类别型数据的解析能力,有效提取类别型特征;其次,采用极限梯度提升算法对数值型数据进行离散化编码,通过对稠密空间的输入向量进行稀疏化处理,提高了数值型特征的非线性表达能力;在此基础上,设计多维异质特征融合策略,将所提取的类别型、数值型特征与样本的原始输入特征进行融合,建立基于多维融合特征的预测模型,实现了云工作流任务执行时间的精准预测;最后,在真实云数据中心集群数据集上进行了仿真实验.实验结果表明,相对于已有的基准算法,该方法具有较高的预测精度,可用于大数据驱动的云工作流任务执行时间预测.
Keyword云数据中心 工作流 集成学习 特征融合 执行时间预测
DOI10.16383/j.aas.c210123
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56209
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
李慧芳,黄姜杭,徐光浩,等. 基于多维度特征融合的云工作流任务执行时间预测方法[J]. 自动化学报,2023,49(1):67-78.
APA 李慧芳,黄姜杭,徐光浩,&夏元清.(2023).基于多维度特征融合的云工作流任务执行时间预测方法.自动化学报,49(1),67-78.
MLA 李慧芳,et al."基于多维度特征融合的云工作流任务执行时间预测方法".自动化学报 49.1(2023):67-78.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-0123.pdf(1264KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[李慧芳]'s Articles
[黄姜杭]'s Articles
[徐光浩]'s Articles
Baidu academic
Similar articles in Baidu academic
[李慧芳]'s Articles
[黄姜杭]'s Articles
[徐光浩]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[李慧芳]'s Articles
[黄姜杭]'s Articles
[徐光浩]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-0123.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.