公开(公告)号：CN118227435A

公开(公告)日：2024-06-21

申请号：CN202410274009.5

申请日：2024-03-11

Applicant: 西北大学

Inventor： 汤战勇 ,  路亚梦 ,  高杰 ,  任佳伟

IPC: G06F11/34 ,  G06F18/213 ,  G06F18/23213 ,  G06F18/24

Abstract: 本发明公开了一种基于聚类集成的高性能应用的I/O特征分析方法，包括：收集应用程序的I/O访问信息并提取I/O特征；对I/O特征数据进行清洗和标准化预处理；调用特征选择函数mutual_info_regression进行特征选择，得到最具有代表性的特征子集；采用K‑means++算法来进行单聚类，并采用投票机制来对多个聚类结果进行集成；将得到的聚类结果用Silhouette Coefficient和Calinski‑Harabasz作为评估聚类算法效果的指标，本发明通过特征选择提取出关键的性能特征，并采用多次单聚类算法K‑means++进行多次聚类，并执采用投票机制进行聚类集成，提高了聚类效果，在HPC I/O调优上缩短了搜索时间，提高了执行效率。

公开(公告)号：CN118211041A

公开(公告)日：2024-06-18

申请号：CN202410265688.X

申请日：2024-03-08

Applicant: 西北大学

Inventor： 汤战勇 ,  王金秋 ,  范镇业 ,  路亚梦 ,  叶贵鑫 ,  王薇

IPC: G06F18/211 ,  G06F18/27 ,  G06F3/06 ,  G06F18/15

Abstract: 本发明公开了一种基于特征选择的高性能应用I/O性能预测模型构建方法，包括样本数据的收集、特征的设计、特征集合的选择、回归模型的选择分析和性能模型的调优应用，在通过回归算法构建性能预测模型的基础上，增加了使用特征选择算法的过程提取关键特征，特征选择算法从原始特征集合中通过评估特征与I/O性能指标的相关性选择出最优特征集，并使用各种回归算法的组合来进行预测，相比于原有的使用预先设定的特征集训练模型，本发明的方法能够提高预测模型准确率。

公开(公告)号：CN116483686A

公开(公告)日：2023-07-25

申请号：CN202310239137.1

申请日：2023-03-13

Applicant: 西北大学

Inventor： 房鼎益 ,  张成 ,  汤战勇 ,  路亚梦 ,  王金秋 ,  刘章玉

IPC: G06F11/36 ,  G06F18/27 ,  G06F18/214 ,  G06F18/2411

Abstract: 本发明公开的基于回归的高性能应用I/O性能模型训练与分析方法，包括特征的设计、收集数据时采样算法的选择分析、回归模型的选择分析、模型特征重要性分析和性能模型的调优应用，在现有的训练I/O性能模型的基础上，增加了使用LHS拉丁超立方对数据集进行采样收集，通过使用LHS采样能够在较小的样本集中充分探索潜在的参数空间，从而在不影响模型效果的情况下减少实验数据收集的数量提高效率，提高了模型训练的效率和准确性，对应用预测模型解决实际程序I/O性能问题提供了解决思路和方案。