基于机器学习的磁盘故障预测研究

定　价：¥38.00

作　者：	江天明著
出版社：	武汉大学出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787307226159	出版时间：	2022-01-01	包装：	平装-胶订
开本：	16开	页数：		字数：

内容简介

　　随着互联网时代的到来，数据规模的快速增长给存储带来了巨大挑战。磁盘凭借其容量大、价格低等优势，被广泛应用于数据存储。然而，磁盘属干复杂的机械电子设备，维持其高可靠性很具挑战性。磁盘故障预测技术对即将发生的磁盘故障进行预测，在磁盘故障发生之前，主动地对这些磁盘中的数据进行迁移，达到提高可靠性并降低维护开销的目的。但仍存在如下问题亟带解决：（1）由于缺乏故障磁盘样本，导致基于有监督分类模型的磁盘故障预测方法存在适应性受限的问题;（2）仅使用预测准确率衡量预测方法的好坏，缺少对预测错误代价的评估：（3）基于扇区故障预测对存在潜在扇区故障的磁盘进行提升频率的扫描检测，导致维护开销增加。本书即针对这3点问题做出分析并提出自己的解决办法。

作者简介

　　江天明，华中师范大学信息管理学院讲师，主要研究方向是大数据分析、机器学习、异常检测、推荐系统。在国内外重要核心期刊和学术会议上发表多篇论文，其中SCI论文2篇，中国计算机学会推荐B类会议论文2篇；获得发明专利1项；主持中央高校基本科研业务费专项资金青年教师项目1项、中国博士后科学基金1项。

图书目录

第1章绪论
1．1 数据中心磁盘故障预测的研究背景
1．2 数据中心磁盘故障预测的国内外研究现状
1．3 本书的主要研究内容与思路
1．4 本书章节安排
第2章基于深度生成对抗网络的磁盘故障预测方法SPA
2．1 SPA的研究背景与动机
2．2 深度生成对抗网络相关研究
2．3 SPA设计方案
2．4 实验评估
2．5 本章小结
第3章磁盘故障预测中预测错误代价优化方法VCM
3．1 VCM的研究背景与动机
3．2 代价敏感学习简介
3．3 VCM设计方案
3．4 实验评估
3．5 本章小结
第4章基于磁盘扇区故障预测的自适应扫描检测方法FAS
4．1 FAS的研究背景及动机
4．2 磁盘扫描检测简介
4．3 FAS设计方案
4．4 FAS理论分析
4．5 实验评估
4．6 本章小结
第5章总结与展望
5．1 总结
5．2 展望
致谢
参考文献
附录1 攻读学位期间发表论文目录
附录2 攻读博士学位期间申请的发明专利和其他成果
附录3 攻读博士学位期间参与的科研项目
附录4 英文缩略及含义