作业名层次化聚类算法预测作业运行时间

ZHOU Longfang,YANG Wenxiang,HAN Yongguo,ZHANG Xiaorong, YU Jie,FENG Jinghua, ZHANG Jian, LI Yuqi,XIAN Gang,WU Yadong,WANG Guijuan

Journal of National University of Defense Technology（2022）

引用 0|浏览0

暂无评分

摘要

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型.传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法.以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70％～80％.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要