基于机器学习的操作系统故障自动诊断方法

摘要

为了维护操作系统运行的稳定性及安全性,提升用户服务质量,提出一种基于机器学习的操作系统故障自动诊断方法。将AR模型系数作为故障系统特征,探究不同状态数和不同混合高斯数对隐马尔可夫模型分类影响,利用极大似然估计法逐步更新模型参数,并计算观测值概率密度函数。采用自组织竞争神经网络完成故障模式区分,引入相似性图概念,按照相关度把系统简化为运行指标与事件替代图,根据事件时间关联将故障描述成事件序列,运用排名方法识别关键事件,继而明确故障模式,实现操作系统故障自动诊断。实验结果表明,本文方法拥有极强的诊断精度,为操作系统的妥善应用提供有效技术支持。