学位论文 > 优秀研究生学位论文题录展示
基于红外图像的服务器工况分类研究
作 者: 许宏珂
导 师: 孔祥维
学 校: 大连理工大学
专 业: 信号与信息处理
关键词: 红外诊断 边缘检测 特征提取 目标识别
分类号: TP393.05
类 型: 硕士论文
年 份: 2011年
下 载: 18次
引 用: 0次
阅 读: 论文下载
内容摘要
在云计算时代,网络服务的安全性、稳定性正变得日趋重要。数据中心内服务器温度过高通常是导致服务器宕机以致无法提供网络服务的重要原因。一般来说,可以通过加大空调功率、优化服务器布局等手段使数据中心温度维持在合适的范围内。但是一旦出现散热风扇机械故障、服务器长期满载运行等异常状况,极易导致局部热点产生,进而危及网络服务的稳定。为满足数据中心运维人员对服务器异常工况自动识别的要求,本文利用红外诊断技术对已知的三类常见易导致服务器出现热点的工况进行分类研究,所做工作如下:在对服务器红外图像及其特点进行深入分析的基础上,根据红外诊断技术的基本原理,从感兴趣区域提取、服务器工况特征提取到工况分类,完成了基于红外图像的服务器工况分类的整个算法流程。本文首先利用基于阈值分割的机柜区域提取算法将机柜与背景区域分割开来。在检测服务器边缘的过程中,由于机架服务器自身的特殊结构以及拍摄角度的不固定会导致图像中服务器边缘存在着透视畸变的现象,给服务器边缘的检测造成了很大的困难。针对上述困难,本文提出了基于灰度差分的服务器边缘检测算法用于检测出机柜内服务器边缘,实现了在不需要红外相机任何内外参数的条件下对服务器边缘的检测。本文设计了三种常见的易导致服务器出现局部热点的故障工况,包括机柜风扇损坏工况、服务器风扇损坏工况以及服务器CPU满载运行工况,与正常工况一起构成了本研究欲分类的四种工况。为了找到区分服务器不同工况的特征,本文在对上述四种工况的特点进行详细分析的基础上,提出了基于空域和基于小波域的特征提取算法,从空域和小波域共提取了28维特征用于服务器工况分类。其中,基于空域的特征提取算法从不同工况下温度分布的差异出发构造特征向量,基于小波域的特征提取算法则利用了对红外图像小波分解后不同频段上的能量分布作为特征向量。在服务器工况识别阶段,本文选取了目前应用广泛的Fisher分类器和支持向量机作为分类器,利用“一对一”方法(one-against-one method)实现了利用支持向量机对四种服务器工况的多类别分类,从而达到了服务器工况自动识别的目的。实验表明,本文提出的方法可以有效地对四种预设服务器工况进行分类判别。
|
全文目录
摘要 4-5 英文摘要 5-9 1 绪论 9-16 1.1 研究背景及意义 9-10 1.2 数据中心环境特点及环境要求 10-12 1.2.1 数据中心环境特点 10-11 1.2.2 数据中心环境要求 11-12 1.3 国内外研究现状 12-14 1.4 本文主要研究内容 14-16 1.4.1 主要研究内容 14 1.4.2 章节安排 14-16 2 红外成像原理与红外图像特征 16-22 2.1 红外辐射基本理论 16-18 2.1.1 红外辐射与红外光谱 16-17 2.1.2 红外辐射基本定律 17-18 2.2 红外成像原理 18-19 2.3 红外图像基本特征 19-21 2.3.1 红外图像特点 19-20 2.3.2 红外图像与可见光图像的区别 20-21 2.4 小结 21-22 3 感兴趣区域(ROI)的提取 22-35 3.1 常见的图像边缘检测方法 22-25 3.1.1 常见的图像边缘检测方法 22-24 3.1.2 机柜及服务器边缘检测实验结果与分析 24-25 3.2 机柜区域与背景的分割 25-27 3.3 机柜内服务器边缘检测 27-31 3.3.1 机柜内服务器边缘检测存在的困难 27-28 3.3.2 基于灰度差值的服务器边缘检测算法 28-31 3.4 实验结果及分析 31-34 3.4.1 基于阈值分割的机柜区域提取实验结果及分析 32-33 3.4.2 基于灰度差值的服务器边缘检测实验结果及分析 33-34 3.5 小结 34-35 4 服务器工况特征提取 35-48 4.1 服务器工况分类 36-37 4.2 基于空域的服务器工况特征提取 37-38 4.3 基于小波分析的服务器工况特征提取 38-43 4.3.1 小波变换基本原理 38-42 4.3.2 基于小波分析的特征提取 42-43 4.4 实验结果及分析 43-47 4.4.1 基于空域的特征提取实验结果及分析 43-45 4.4.2 基于小波变换的特征提取实验结果及分析 45-47 4.5 小结 47-48 5 服务器工况分类 48-55 5.1 Fisher分类器 48-50 5.2 支持向量机 50-52 5.2.1 最优分类面 50-51 5.2.2 支持向量机 51-52 5.3 多类别分类 52 5.4 实验结果与分析 52-54 5.5 小结 54-55 结论 55-57 参考文献 57-60 攻读硕士学位期间发表学术论文情况 60-61 致谢 61-62
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 空中目标抗干扰识别跟踪系统,TN215
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 基于机器视觉的光纤几何参数检测研究,TN253
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 网络设备
© 2012 www.xueweilunwen.com
|