基于连续度聚类和动态ARMA时间序列预测I／O区域

计算机科学 ›› 2006, Vol. 33 ›› Issue (9): 93-97.

• 计算机网络与信息安全 • 上一篇下一篇

基于连续度聚类和动态ARMA时间序列预测I／O区域

出版日期:2018-11-17 发布日期:2018-11-17
基金资助:
国家自然科学基金（项目编号：60273073）和“973”（项目编号：2004CB318203）资助项目.

Online:2018-11-17 Published:2018-11-17

摘要/Abstract

摘要： 为了动态优化存储系统中数据的分布，存储系统需要能动态发现密集I／O区域和预测未来密集I／O访问的区域，并根据发现和预测的结果来指导存储系统的优化。为此，本文根据存储系统的特点提出了实用且高效的基于连续度的聚类算法来发现密集I／O访问的区域，并采用ARMA时间序列模型来预测密集I／O可能访问的区域。为提高预测的准确性，采用了动态参数估计的策略。通过大量实验的结果验证了这两种算法的正确性和预测的准确性，对存储系统的优化具有较好的指导作用。

关键词: 聚类预测连续度 ARMA

Abstract: Storage system could optimize data distribution accordingly, on condition that it dynamically finds and predicts the storage areas requested frequently. So, this paper not only introduces a new sequence degree-based clustering algorithm to find the freque

Key words: Clustering, Prediction, Sequence degree, ARMA

. 基于连续度聚类和动态ARMA时间序列预测I／O区域[J]. 计算机科学, 2006, 33(9): 93-97. https://doi.org/