一种基于卷积神经网络的SaaS软件故障诊断方法及装置

发明专利有效专利

申请号：
CN201911397867.4
IPC分类号：G06F11/36;G06F40/279;G06N3/04
申请日期：
2019-12-30
申请人：
武汉大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于卷积神经网络的SaaS软件故障诊断方法及装置
申请号	CN201911397867.4	申请日期	2019-12-30
法律状态	授权	申报国家	中国
公开/公告日	2020-05-26	公开/公告号	CN111198817A
优先权	暂无	优先权号	暂无
主分类号	G06F11/36 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F11/00 错误检测；错误校正；监控（在基于记录载体和传感器之间的相对运动而实现的信息存储中的错误检测、校正或监控所用的方法或装置入 G11B 20/18；监控，即，监控记录或重现的进程入G11B 27/36；静态存储中所用的方法或装置入G11C29/00）〔1，4，2006.01〕 G06F11/36 通过软件的测试或调试防止错误〔7〕	IPC分类号	G;0;6;F;1;1;/;3;6;;;G;0;6;F;4;0;/;2;7;9;;;G;0;6;N;3;/;0;4查看分类表>
申请人	武汉大学	申请人地址	湖北省武汉市武昌区珞珈山武汉大学变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	武汉大学	当前权利人	武汉大学
发明人	应时;帕提古丽·阿不力孜;段晓宇;成海龙;原万里
代理机构	武汉科皓知识产权代理事务所（特殊普通合伙）	代理人	罗飞

摘要

本发明公开了一种基于卷积神经网络的SaaS软件故障诊断方法，首先对系统产生的日志数据进行过滤；然后对过滤后的日志数据进行类别划分与标注；接着对进行类别划分与标注后的日志数据进行去噪处理；接下来采用Skip‑Gram方法对去噪后的日志数据进行向量化，对向量化后的日志数据进行二维拓扑结构的构造，构造成词向量维度和单词维度两个维度的二维向量数据；再将构造的二维向量数据作为训练数据对预先构建好的卷积神经网络模型进行训练，获得训练好的性能故障诊断模型；最后利用训练好的性能故障诊断模型对未知类型日志数据进行诊断，获得日志数据的故障类型。本发明提高了对未知类型日志数据的诊断准确性和诊断效率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供