基于压缩感知的移动终端数据实时采集方法

当需要采集的原始数据量较大时,数据处理效率较低,且数据采集中会产生较大的能耗,为此提出基于压缩感知的移动终端数据实时采集方法。稀疏表示原始数据,以实现低采样率条件下的高效率数据采集;通过建立随机路由,优化压缩感知的数据观测矩阵,降低数据采集失误率;使用AIC算法精确重构数据,建立基于压缩感知的数据采集框架,周期性采集数据,实现移动终端数据的实时采集。实验结果表明,该方法的数据采集效率较高,且较数据采集方法的能耗更低。

基于数据挖掘的IT终端设备运行异常检测研究

由于传统IT终端设备运行异常检测方法的检出率较低,导致设备运维难度加大,所以提出基于数据挖掘的IT终端设备运行异常检测方法。利用无线传感器获取IT终端设备运行数据,采用多阶拉格朗日差值法清洗采集到的数据,并对数据做降维处理。利用数据挖掘技术对设备运行数据进行关联分析,根据当前设备运行模式与规则库的相似度,判断IT终端设备是否处于异常运行状态,实现IT终端设备运行异常检测。经实验证明,所设计方法的平均检出率为98.76%,具有较高的检测精度,在IT终端设备运行异常检测方面具有良好的应用前景。

智能服务终端自动化运维效果评估方法设计

为提升智能服务终端运维效果的评估精准度及可靠性,文章对智能服务终端自动化运维效果评估方法进行设计。针对服务终端的运行状态,首先进行运维特征识别及指标提取,构建评估权重矩阵,以此为基础,构建智能层次终端评估模型,采用Logistic回归分析法实现运维效果评估。最终的测试结果表明:文章所设计的层次分析智能终端运维评估测试组最终得出的动态化评估误差较小,仅为0.12,表明在实际应用的过程中,设计方法的评估结果更真实可靠,具有一定的实际应用价值。

基于特征挖掘的IT终端设备异常响应检测方法

为提高异常响应检测方法的检出率与实时性,降低互联网技术(InternetTechnology,IT)终端设备异常响应误报率,提出了基于特征挖掘的IT终端设备异常响应检测方法。先利用最小协方差行列式估算IT终端设备的响应分布情况,再获取历史异常响应数据,构建基于关联规则的异常响应特征挖掘算法,最后对设备运行数据进行自相似系数检测,并通过数据比对的方式完成异常检测。实验结果表明,该方法有效提升了IT终端设备异常响应检出率与实时性,且有效控制了检测结果的误报率,说明该方法具有较好的应用效果。