[发明专利]物理机资源分配模型的获取方法、装置和计算机设备

权利要求书

1.一种物理机资源分配模型的获取方法，其特征在于，包括：

获取指定区域的物理机的历史使用数据；

将所述历史使用数据进行预处理后得到可用的历史数据，并将所述历史数据分成训练数据集和测试数据集；

将所述训练数据集中的训练数据按照时间的正向顺序和反向顺序分别输入到预设的BILSTM神经网络中的前项隐含层和后项隐含层中进行训练，得到前项输出值hi和后项输出值hi’，并且将所述hi与hi’相加得到隐含层的输出值Hi＝(hi+hi’)，其中i为某个历史节点；以及，

将所述训练数据进行求和后再平均处理，得到平均训练值，并将所述平均训练值输入到BILSTM神经网络中的前项隐含层和后项隐含层中进行训练，得到对应的隐含层的输出值X；

根据所述输出值X在各历史节点上的概率分布，计算出各历史节点的隐含层输出Hi和概率权重的乘积，然后相加得到值C；

通过线性函数Hk’＝H(C,hk，Xk)求出所述输出值X对应的隐含层输出值hk’；

依据所述隐含层输出值hk’编写基于BILSTM神经网络的物理机资源分配的基础模型，并对所述基础模型进行训练，得到所述物理机资源分配模型，其中，所述物理机资源分配模型计算出的预测值为Y＝R(X,hk’)，R为常量。

2.根据权利要求1所述的物理机资源分配模型的获取方法，其特征在于，所述根据所述输出值X在各历史节点上的概率分布，计算出各历史节点的隐含层输出Hi和概率权重的乘积，然后相加得到值C的步骤，包括：

根据所述输出值X在各历史节点上的概率分布，构建公式：

其中，Ski＝vtanh(Whk+Uhi+b),k为某个历史节点，i为某个历史节点，b为常量；

依据公式得到所述值C。

3.根据权利要求1所述的物理机资源分配模型的获取方法，其特征在于，所述将所述历史使用数据进行预处理后得到可用的历史数据，并将所述历史数据分成训练数据集和测试数据集的步骤，包括：

对所述历史使用数据进行分类，其中，分类包括需要将数据缩小的缩放类型、需要归一化处理的归一类型以及需要one-hot转变的文字类型；

将分类后的数据按照对应的处理方式进行处理得到所述可用的历史数据；

将所述可用的历史数据分成所述训练数据集和所述测试数据集。

4.根据权利要求1所述的物理机资源分配模型的获取方法，其特征在于，所述获取指定区域的物理机的历史使用数据的步骤，包括：

获取所述预设的BILSTM神经网络的节点数量；

根据所述节点数量减一的值，确定所述历史数据的起始时间和结束时间；

获取所述起始时间和结束时间之间的数据作为所述历史使用数据。

5.根据权利要求1所述的物理机资源分配模型的获取方法，其特征在于，所述依据所述隐含层输出值hk’编写基于BILSTM神经网络的物理机资源分配的基础模型，并对所述基础模型进行训练，得到所述物理机资源分配模型的步骤，包括：

依据所述隐含层输出值hk’编写基于BILSTM神经网络的物理机资源分配的基础模型；

使用所述训练数据集中不同数量的训练数据对所述基础模型进行训练，得到不同训练等级的所述物理机资源分配模型，其中，使用的训练数据越少，得到的所述物理机资源分配模型的预测准确度越低。

6.根据权利要求5所述的物理机资源分配模型的获取方法，其特征在于，所述依据所述隐含层输出值hk’编写基于BILSTM神经网络的物理机资源分配的基础模型，并对所述基础模型进行训练，得到所述物理机资源分配模型的步骤之后，包括：

获取调用所述物理机资源分配模型的命令；

依据所述命令，启动身份识别程序，得到当前操作者的身份；

根据所述操作者的身份分配与所述操作者的身份相对应登记的所述物理机资源分配模型。