基于结构特征的时序聚类方法研究-ZTECorporation.PDFVIP

ZTETECHNOLOGYJOURNAL 基于结构特征的时序聚类方法研究 孟志浩等 技术广角 DOI:10.3969/j.issn.1009-6868.2018.03.011 网络出版地址：/kcms/detail/34.1228.TN1113.002.html 基于结构特征的时序聚类方法研究基于结构特征的时序聚类方法研究 TimeSeriesClusteringBasedonStructuralFeaturesTimeSeriesClusteringBasedonStructuralFeatures 中图分类号：TN929.5 文献标志码：A 文章编号：1009-6868(2018)03-0061-006 孟志浩/MENGZhihao 摘要：数据驱动的智能运维对提高云平台的管理效率有重要意义。提出一种基于 刘建伟/LIUJianwei 结构特征的时序聚类方法以用于云平台大量性能数据的智能分类。该方法采用分 韩静/HANJing 级处理的方式用于降低聚类复杂度，首先基于傅里叶变换将时序分为明显周期型和 （中兴通讯股份有限公司，广东 深圳 非明显周期型两大类，然后从时序中提取季节性指标、趋势性指标、偏度、相对熵、 518057） 样本熵、自相似性和李雅普诺夫系数等7个特征,最后在每个大类中基于特征空间 (ZTECorporation,Shenzhen 518057,China) 进行K均值聚类分析。实验数据仿真表明：所提方法能够有效将不同波形特性的时 序分开。 关键词：特征提取；时序聚类；数据挖掘；云平台 Abstract: Data-drivenintelligentOperationManagement(OM)hassignificant importanceforimprovingtheefficiencyofcloudplatformmaintenance.Inthispaper, atimeseriesclusteringmethodbasedonstructuralfeaturesisproposedfor classifyinglarge-scalemetricsincloudplatform.Ahierarchicalschemeisadoptedto 注。采用时序建模和数据挖掘的方 reducethecomplexityofclustering.First,thetimeseriesareclassifiedintotwobig 法根据性能数据的历史分布设定其 categoriesbasedonFouriertransformation:significantperiodicityandnon-significant periodicity.Secondly,sevenfeaturesareextractedfromthedata:seasonalde