[发明专利]一种基于卷积神经网络的内存预警方法及服务端

权利要求书

1.一种基于卷积神经网络的内存预警方法，其特征在于，包括步骤：

S1、服务端接收客户端发送的内存信息，生成待预测图片信息数据；

S2、调用内存分类模型对所述待预测图片信息数据进行分类，得到所述待预测图片信息数据对应的内存结果，并将所述内存结果返回至客户端，所述内存分类模型为已训练完成的卷积神经网络模型。

2.根据权利要求1所述的一种基于卷积神经网络的内存预警方法，其特征在于，所述步骤S1中生成待预测图片信息数据具体为：

依据设定时间内连续的内存信息生成待预测图片信息数据。

3.根据权利要求2所述的一种基于卷积神经网络的内存预警方法，其特征在于，所述步骤S1中依据设定时间内连续的内存信息生成待预测图片信息数据具体为：

预先设置第一时间、第二时间，判断采集时间是否达到第二时间，若否，则每间隔一次第一时间就采集一次内存信息，并对采集时间进行累加运算；若是，则将采集时间归零，并生成采集时间与内存信息相对应的坐标图，得到待预测图片信息数据。

4.根据权利要求1所述的一种基于卷积神经网络的内存预警方法，其特征在于，所述步骤S2中的内存分类模型的训练步骤如下：

S21、收集内存信息图片数据集，将所述内存信息图片数据集划分为测试集和训练集，并在两个集合中分别按照内存正常、内存溢出、内存风险建立文件夹以进行分类；

S22、构建卷积神经网络模型结构，所述卷积神经网络模型结构包括输入模块、特征提取模块、感知器模块；

S23、初始化所述卷积神经网络模型，以所述训练集里的内存信息图片数据集作为输入数据，训练所述卷积神经网络模型，并在训练后以所述测试集里的内存信息图片数据集作为输入数据，测试所述卷积神经网络模型对于图片分类的正确率，若正确率达到预期值，则将训练后的所述卷积神经网络模型保存。

5.根据权利要求4所述的一种基于卷积神经网络的内存预警方法，其特征在于，所述步骤S22具体为：

S221、构建输入模块，所述输入模块包括输入层，所述输入层设置有与所述待预测图片信息数据的图片像素一一对应的神经元；

S222、构建特征提取模块，所述特征提取模块从上到下依次为：第一卷积层、第一激活函数层、第一池化层、第二卷积层、第二激活函数层、第二池化层、第三卷积层、第三激活函数层、第三池化层；

S223、构建感知器模块，所述感知器模块包括第一全连接层和第二全连接层，所述第二全连接层包含与内存结果相同个数的神经元。

6.一种基于卷积神经网络的内存预警服务端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

S1、接收客户端发送的内存信息，生成待预测图片信息数据；

S2、调用内存分类模型对所述待预测图片信息数据进行分类，得到所述待预测图片信息数据对应的内存结果，并将所述内存结果返回至客户端，所述内存分类模型为已训练完成的卷积神经网络模型。

7.根据权利要求6所述的一种基于卷积神经网络的内存预警服务端，其特征在于，所述步骤S1中生成待预测图片信息数据具体为：

依据设定时间内连续的内存信息生成待预测图片信息数据。

8.根据权利要求7所述的一种基于卷积神经网络的内存预警服务端，其特征在于，所述步骤S1中依据设定时间内连续的内存信息生成待预测图片信息数据具体为：

预先设置第一时间、第二时间，判断采集时间是否达到第二时间，若否，则每间隔一次第一时间就采集一次内存信息，并对采集时间进行累加运算；若是，则将采集时间归零，并生成采集时间与内存信息相对应的坐标图，得到待预测图片信息数据。