公开(公告)号：CN116489039A

公开(公告)日：2023-07-25

申请号：CN202310401557.5

申请日：2023-04-16

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  张长晖 ,  陈基漓 ,  刘亚荣

IPC: H04L41/147 ,  H04L41/16 ,  G06N3/045 ,  G06N3/08 ,  G06N20/00 ,  G06F18/22

Abstract: 本发明公开了一种基于机器学习的云资源预测方法，包括5个步骤：步骤S1.数据归一化；步骤S2.使用WGAN‑GP训练数据；步骤S3.利用BIGRU网络提取信息；步骤S4.计算相似度；步骤S5.预测方法；对数据进行预测，通过上述相似度的度量，集中各模型的预测更加贴合真实值，提高模型的预测性能。借鉴已有GAN技术，提出在云计算资源的预测研究中使用生成对抗网络对云资源数据进行学习扩充，针对传统循环神经网络无法全面利用数据时间相关信息这一局限性，使用双向门控循环单元网络作为预测模型，有效地学习原始样本的数据分布规律，并生成与原始样本高度相似的较高质量的新数据，从而弥补数据匮乏导致预测精度低的缺陷，提高模型预测性能。