张 晓,丁云峰

1(中国科学院大学,北京 100049)

2(中国科学院 沈阳计算技术研究所 系统与软件事业部,沈阳 110168)

国家电网数据中心拥有数量庞大的设备,提高管理这些设备的效率和降低相关管理支出具有重要意义.数据中心的IT 设备(以下简称设备) 可分为服务器、交换机、路由器等,且这些设备安装于机柜中.设备管理的内容有,详细记录机柜中设备的安装位置和设备型号.传统的管理方法是人工抄录和定期人工巡视复核,这种方式不但费时费力而且容易出错,因此找到一种简单高效的管理方法具有重要的现实意义.

近年来,人们在设备识别上进行了许多尝试.传统的方法主要基于设备的电学特性,不同设备都有自己特定的阻抗、感抗、对地电阻等电学特性,一方面可以通过电学指标计算一个特征码,然后通过实时采集相关特征计算实时特征码,通过比对得到设备的种类;另一方面可以在把采集的电学特性数据当作特征结合传统机器学习的算法进行分类.虽然这两种算法在一定程度上可以识别出设备类型,但是需要安装电学特征的采集装置,并且类内设备的型号识别也比较困难.任晓欣等人[1]提出了图像与支持向量机结合的算法,但图像与支持向量机结合时重要的一步是图像的预处理,图像预处理的结果与最终的分类效果息息相关.并且该方案仅支持图像中单一设备的识别,对类内不同型号的识别效果比较差.王……