一种基于云操作系统的服务器去除噪音的方法
【专利摘要】本发明公开一种基于云操作系统的服务器去除噪音的方法,属于计算机【技术领域】，具体步骤为：①负载数据主成分提取，对一定时间段内负载向量矩阵的正交基的生成与分析，获得负载数据主成分的排序向量以及负载数据所对应的序号向量；②负载数据去噪，对排序后的负载数据对应的序号向量分割，去除负载中的噪声，获得准确的负载数据；有益之处：本发明通过主成分分析的方式，获取一定时间段内去除噪声的负载数据，充分考虑服务器负载数据的数据特性，客服了传统简单滤波方式去噪的缺点。
【专利说明】一种基于云操作系统的服务器去除噪音的方法
【技术领域】
[0001]本发明涉及一种去除噪音的方法，属于计算机【技术领域】，具体地说是一种基于云操作系统的服务器去除噪音的方法。
【背景技术】
[0002]当前，云计算逐渐被行业认可，云数据中心操作系统逐渐实现并付诸于实践。在云数据中心操作系统中，服务器的负载数据往往存在较多的噪声，使得负载数据在利用上不够准确，从而影响云操作系统功能性。
[0003]大多同类算法采用简单的滤波操作，没有考虑负载数据的特性，效果并不理想。主成分分析的方法，通过与较大特征值对应的正交基获得的特征(主成分)可用来负载数据，而较小特征值对应的正交基获得的特征(次分量)可用来描述负载噪声，负载跳变数据。因此可以丢弃描述噪声的次分量特征而应用主分量特征精确的负载数据。为了保证获取的负载数据的准确性，我们提出了基于云操作系统服务器负载去除噪音的方法。
【发明内容】
[0004]本发明针对现有技术存在的不足和问题，提供一种基于云操作系统的服务器去除噪音的方法，提出的具体方案是:
一种基于云操作系统的服务器去除噪音的方法，其特征在于根据服务器负载噪声的分布特性，对负载进行去噪，具体步骤为:
①负载数据主成分提取，对一定时间段内负载向量矩阵的正交基的生成与分析，获得负载数据主成分的排序向量以及负载数据所对应的序号向量；
②负载数据去噪，对排序后的负载数据对应的序号向量分割，去除负载中的噪声，获得准确的负载数据。
[0005]所述的邮件分级通过对一定时间段内负载向量矩阵的正交基的生成与分析，获得负载数据主成分的排序向量以及负载数据所对应的序号向量。
[0006]所述的邮件缓存发送机制通过对排序后的负载数据对应的序号向量分割，去除负载中的噪声，获得准确的负载数据。
[0007]本发明的有益之处是:通过与较大特征值对应的正交基获得的特征，主成分可用来负载数据，而较小特征值对应的正交基获得的特征，次分量，可用来描述负载噪声，负载跳变数据，因此可以丢弃描述噪声的次分量特征而应用主分量特征精确的负载数据；通过主成分分析的方式，获取一定时间段内去除噪声的负载数据，充分考虑服务器负载数据的数据特性，客服了传统简单滤波方式去噪的缺点。
【专利附图】
【附图说明】
[0008]图1本发明的流程示意图。
【具体实施方式】
[0009]下面参照图1，对本发明的内容具体描述实现这一方法的过程。
[0010]实施例1
一种基于云操作系统的服务器去除噪音的方法，包括:负载数据主成分提取(I);负载数据去噪(2);其中
负载数据主成分提取(I)是该算法的核心，通过对一定时间段内负载向量矩阵的正交基的生成与分析，获得负载数据主成分的排序向量以及负载数据所对应的序号向量。
[0011]负载数据去噪(2)是该算法的最终步骤，通过对排序后的负载数据对应的序号向量分割，去除负载中的噪声，获得准确的负载数据。
[0012]云操作系统中服务器负载去噪算法描述如下:
I获取一定时间段内的负载数据，形成负载向量矩阵，每分钟的负载数据为一个向量(每秒采集一次，共60个数据)，半小时的负载向量，组成负载列矢量X = OinxJ ;
2计算特征向量并降序排列，同时记录对应的序号向量，列矢量描述为I =
协方差矩阵为C，协方差矩阵的特征值为奂，…，七}，对特征值进行降序排序，同时记录排序后特征值原有序号，形成序号向量D。
[0013]3对D进行一定比例前向截取，比例可以根据需要进行选择(80%、90%等)。
[0014]4根据D中序号，选取X中对应的列向量数据，这些数据就可以代表过去30分钟内负载数据，完成去噪。
[0015]实施例2
一种基于云操作系统的服务器去除噪音的方法，包括:负载数据主成分提取(I);负载数据去噪(2);其中
负载数据主成分提取(I)是该算法的核心，通过对一定时间段内负载向量矩阵的正交基的生成与分析，获得负载数据主成分的排序向量以及负载数据所对应的序号向量。
[0016]负载数据去噪(2)是该算法的最终步骤，通过对排序后的负载数据对应的序号向量分割，去除负载中的噪声，获得准确的负载数据。
[0017]云操作系统中服务器负载去噪算法描述如下:
I获取一定时间段内的负载数据，形成负载向量矩阵，每分钟的负载数据为一个向量(每秒采集一次，共50个数据)，半小时的负载向量，组成负载列矢量Ι =；
2计算特征向量并降序排列，同时记录对应的序号向量，列矢量描述为1 =
协方差矩阵为C，协方差矩阵的特征值为对特征值进行降序排序，同时记录排序后特征值原有序号，形成序号向量D。
[0018]3对D进行一定比例前向截取，比例可以根据需要进行选择(80%、90%等)。
[0019]4根据D中序号，选取X中对应的列向量数据，这些数据就可以代表过去30分钟内负载数据，完成去噪。
[0020]实施例3
一种基于云操作系统的服务器去除噪音的方法，包括:负载数据主成分提取(I);负载数据去噪(2);其中负载数据主成分提取(I)是该算法的核心，通过对一定时间段内负载向量矩阵的正交基的生成与分析，获得负载数据主成分的排序向量以及负载数据所对应的序号向量。
[0021]负载数据去噪(2)是该算法的最终步骤，通过对排序后的负载数据对应的序号向量分割，去除负载中的噪声，获得准确的负载数据。
[0022]云操作系统中服务器负载去噪算法描述如下:
I获取一定时间段内的负载数据，形成负载向量矩阵，每分钟的负载数据为一个向量(每秒采集一次，共70个数据)，半小时的负载向量，组成负载列矢量Χ = xj ；
2计算特征向量并降序排列，同时记录对应的序号向量，列矢量描述为I =
协方差矩阵为(:，协方差矩阵的特征值为八={木1毛1--^_1对特征值进行降序排序，同时记录排序后特征值原有序号，形成序号向量D。
[0023]3对D进行一定比例前向截取，比例可以根据需要进行选择(80%、90%等)。
[0024]4根据D中序号，选取X中对应的列向量数据，这些数据就可以代表过去30分钟内负载数据，完成去噪。
【权利要求】
1.一种基于云操作系统的服务器去除噪音的方法，其特征在于根据服务器负载噪声的分布特性，对负载进行去噪，具体步骤为: ①负载数据主成分提取，对一定时间段内负载向量矩阵的正交基的生成与分析，获得负载数据主成分的排序向量以及负载数据所对应的序号向量； ②负载数据去噪，对排序后的负载数据对应的序号向量分割，去除负载中的噪声，获得准确的负载数据。
2.根据权利要求1所述的一种基于云操作系统的服务器去除噪音的方法，其特征在于所述的邮件分级通过对一定时间段内负载向量矩阵的正交基的生成与分析，获得负载数据主成分的排序向量以及负载数据所对应的序号向量。
3.根据权利要求1所述的一种基于云操作系统的服务器去除噪音的方法，其特征在于所述的邮件缓存发送机制通过对排序后的负载数据对应的序号向量分割，去除负载中的噪声，获得准确的负载数据。
【文档编号】G06F19/00GK104200083SQ201410420180
【公开日】2014年12月10日 申请日期:2014年8月25日 优先权日:2014年8月25日
【发明者】郭锋 申请人:浪潮电子信息产业股份有限公司