%0 Journal Article
%A 韩晶晶
%A 刘春红
%A 商彦磊
%T 基于SVM分类的云集群失败作业主动预测方法
%D 2016
%R 10.13190/j.jbupt.2016.05.021
%J 北京邮电大学学报
%P 104-109
%V 39
%N 5
%X 提出了一种使用支持向量机（SVM）模型预测作业终止状态的方法.以Google数据集为研究对象，首先分析作业终止状态的影响因素，提出使用作业的静态特征和动态特征作为终止状态分类的特征向量，选择SVM模型主动预测终止状态；然后从特征向量和分类模型2个层面对准确率、假负率、精确度指标进行验证.特征向量实验结果表明，基于静态和动态特征的SVM预测模型比单独使用静态特征和动态特征，分别提高0.94%、-0.01%、1.35%和9.08%、-1.36%、10.91%.分类模型的比较结果显示，SVM分类预测方法比传统的神经网络模型、朴素贝叶斯模型、逻辑回归模型的预测效果好.
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2016.05.021