一种用于云原生系统日志训练的日志模式提取方法及系统

    公开(公告)号:CN111190873B

    公开(公告)日:2022-08-16

    申请号:CN201911350953.X

    申请日:2019-12-24

    Applicant: 同济大学

    Abstract: 本发明涉及一种用于云原生系统日志训练的日志模式提取方法及系统,填补了云原生系统中大量日志有效地抽取为含有语义的词向量日志模式的空白,方法步骤包括:基于云原生系统日志构建领域内的日志单词近反义词词典和领域内的日志变量知识表达;基于领域内日志变量知识和通用规则,对日志进行预处理;基于领域内近反义词词典,对日志中单词进行基于语义的向量化;构建一颗定深日志模式提取树,对该树内部的匹配或处理节点进行定义;对每一条日志进行分析抽取,对抽取的日志模式和对应的日志行ID进行存储,抽取的日志模式是含有语义的词向量数组。本方法的输出结果可以应用于云原生系统中日志分析、故障检测模型的训练及日志的画像构建等。

    一种基于云平台时间序列编码图像的异常检测方法及装置

    公开(公告)号:CN116152196A

    公开(公告)日:2023-05-23

    申请号:CN202310141044.5

    申请日:2023-02-20

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于云平台时间序列编码图像的异常检测方法及装置,其中方法包括:获取云平台运维数据;将云平台运维数据的时间序列分别编码为格拉姆角和场、格拉姆角差场和马尔可夫迁移场,并将其拼接为一个三通道图像;搭建综合Attention机制的Encoder/Decoder‑CNN重建模型,对三通道图像进行特征提取,输出重建后的时间序列编码图像;基于重建后的时间序列编码图像和输入的三通道图像计算异常分数;判断异常分数是否超过预配置的阈值,若是,则判定时间序列异常。与现有技术相比,本发明具有能够实现复杂长时间序列的高效、高精度异常检测等优点。

    一种基于SMOTE+ADACOST算法的TBM掘进过程中的围岩等级预测方法

    公开(公告)号:CN113762360A

    公开(公告)日:2021-12-07

    申请号:CN202110960161.5

    申请日:2021-08-20

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于SMOTE+ADACOST算法的TBM掘进过程中的围岩等级预测方法,包括步骤:1)获取TBM掘进参数数据和各个桩号的围岩等级数据;2)数据清洗、特征提取及围岩等级标注处理,作为机器学习模型的输入;3)样本不均衡处理;4)利用K折交叉验证选择机器学习模型的最优模型参数;5)进行模型训练、评估与比对,获取用于围岩等级预测的机器学习模型,并设置比对模型对该模型的预测效果进行比对验证;6)采用训练好的模型进行围岩等级预测并对软弱围岩进行预警。与现有技术相比,本发明具有预测模型预测准确率高,训练速度快,适用于TBM盾构过程中的围岩等级预测等优点。

    一种基于服务编排的故障注入测试场景用例模型和框架

    公开(公告)号:CN111176989A

    公开(公告)日:2020-05-19

    申请号:CN201911332361.5

    申请日:2019-12-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于服务编排的故障注入测试场景用例模型和框架,其中的用例编排模型把一个测试用例描述为多个由若干测试步骤组成的测试流,测试步骤和包含特殊测试逻辑的测试流将通过调用服务化的测试组件执行,以上述编排模型为基础,框架将整合现有的微服务编排组件以及服务化的测试工具。用户把编排模型描述的测试用例文件传至测试框架后,测试框架内的解析器将测试用例解析为工作流文件发送给微服务编排组件,微服务编排组件根据工作流文件调用各测试服务以执行测试用例。与现有技术相比,本发明具有提高测试效率,支持特殊测试逻辑服务等优点。

Patent Agency Ranking