一种基于用户的LNS文件预测模型

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (29): 14-16.

一种基于用户的LNS文件预测模型

刘爱贵^1,2,陈刚¹

1.中国科学院高能物理研究所计算中心,北京 100049
2.中国科学院研究生院,北京 100049

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-11 发布日期:2007-10-11
通讯作者: 刘爱贵

User-based LAST N Successors file prediction model

LIU Ai-gui^1,2,CHEN Gang¹

1.Computing Center,Institute of High Energy Physics,CAS,Beijing 100049,China 2.Graduate University of Chinese Academy of Sciences,Beijing 100049,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-11 Published:2007-10-11
Contact: LIU Ai-gui

摘要/Abstract

摘要： 许多系统把数据访问请求当作是独立的事件。实际上,数据请求并非完全随机,而是由用户或程序的行为驱动的,不同的用户或程序存在不同的访问模式。LS（Last Successor）模型简单,但非常有效,然而它的预测结果严重依赖于用户或程序的访问顺序。提出了ULNS（User-based Last N Successors）文件预测模型,利用用户信息来提高预测精确度,并综合LS模型来改进算法的可适用度。实验结果表明,该预测模型具有较好的整体性能。

关键词: 文件访问模式, 预测模型, 预测精确度, 可适用度

Abstract: Most systems treat each data request as an independent event.In fact,such requests are driven by users or programs behavior,and are therefore far from random.There are different access patterns with different users or programs.LS（Last Successor）model is simple,but very available.However,its predictive results strongly depend on access order of users or programs.This paper presents ULNS（User-based Last N Successors） file prediction model,which utilizes user information to improve its accuracy.And also,it synthesizes LS model to extend its applicability.Experimental results show that the proposed prediction model has better overall performances.

Key words: file access pattern, prediction model, predictive accuracy, applicability

刘爱贵^1,2,陈刚¹. 一种基于用户的LNS文件预测模型[J]. 计算机工程与应用, 2007, 43(29): 14-16.

LIU Ai-gui^1,2,CHEN Gang¹. User-based LAST N Successors file prediction model[J]. Computer Engineering and Applications, 2007, 43(29): 14-16.

[1]	吴明慧，侯凌燕，王超. 面向预测的长短时神经网络记忆增强机制[J]. 计算机工程与应用, 2021, 57(21): 109-115.
[2]	张文婧，陈治亚，冯芬玲，李万. 基于稀疏理论的DAE在公路事故伤亡预测应用[J]. 计算机工程与应用, 2019, 55(7): 241-247.
[3]	刘欢，房胜，李哲，赵晴. 基于多条带HEVC并行编码器的负载均衡算法[J]. 计算机工程与应用, 2019, 55(18): 180-188.
[4]	王旭强，陈艳龙，杨青，刘红昌. 基于时序分解的用电负荷分析与预测[J]. 计算机工程与应用, 2018, 54(20): 230-236.
[5]	王仁群，彭力. 数据中心网络拓扑感知型能耗优化算法[J]. 计算机工程与应用, 2017, 53(17): 117-122.
[6]	张军，王远强，朱新山. 改进PSO优化神经网络的短时交通流预测[J]. 计算机工程与应用, 2017, 53(14): 227-231.
[7]	李葵，范玉刚，吴建德. 基于MRSVD和VPMCD的轴承故障智能诊断方法研究[J]. 计算机工程与应用, 2016, 52(8): 153-157.
[8]	钱伟，杨慧慧，孙玉娟. 相空间重构的卡尔曼滤波交通流预测研究[J]. 计算机工程与应用, 2016, 52(14): 37-41.
[9]	李艳平，麻敏洁，鲁来凤. 基于多模型拟合的西安市生活垃圾量预测[J]. 计算机工程与应用, 2015, 51(6): 222-226.
[10]	王子佳1，2，范玉刚1，2，吴建德1，2. S能量谱特征提取在轴承故障诊断中的应用[J]. 计算机工程与应用, 2015, 51(18): 261-265.
[11]	张森，石为人，石欣，郭宝丽. 基于偏最小二乘回归和SVM的水质预测[J]. 计算机工程与应用, 2015, 51(15): 249-254.
[12]	杨宇，欧阳洪，潘海洋，程军圣. 基于岭回归的RVPMCD滚动轴承故障诊断方法[J]. 计算机工程与应用, 2015, 51(12): 255-259.
[13]	胡永东1，2，3，吴国新1，2，徐逸卿1，2，3. M-WiMAX中马尔可夫预测的PF调度算法研究[J]. 计算机工程与应用, 2014, 50(7): 25-29.
[14]	刘建华. 相空间重构和SVR联合优化的短时交通流预测[J]. 计算机工程与应用, 2014, 50(3): 13-17.
[15]	竹博，周游，仵国锋，胡捍英. AR预测模型的IMM跟踪算法[J]. 计算机工程与应用, 2014, 50(24): 222-226.