一种设备检测方法和装置与流程

1.本发明涉及计算机技术领域，特别涉及人工智能技术领域，尤其涉及一种设备检测方法和装置。


背景技术：

2.目前，各行业内对于运维设备的需求在数量和种类上日益增长，由于运维设备的购置成本较高且具有不可替代的作用，因此需要对运维设备的运行情况进行准确评估。相关技术中，通常采用基于数据的客观分析、基于专家的评价、基于多种因素的综合评价三种评估方式。但上述方法在评价指标选取、权重设置和评估分数上存在全面性和准确性较差的问题，且对人为给予的评价依赖程度较高，无法做到全面、客观、科学的设备检测，难以保证检测结果的客观性和准确性，从而导致设备的可管理性和设备资源优化配置较差。


技术实现要素：

3.本发明的一个目的在于提供一种设备检测方法，能够全面、客观、科学对设备做出检测，提高了检测结果的客观性和准确性，从而提高了设备的可管理性，优化了设备资源配置。本发明的另一个目的在于提供一种设备检测装置。本发明的再一个目的在于提供一种计算机可读介质。本发明的还一个目的在于提供一种计算机设备。
4.为了达到以上目的，本发明一方面公开了一种设备检测方法，包括：
5.根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的；
6.通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，量化分值是通过设备运行信息确定的；
7.根据总权重向量和隶属度矩阵，生成设备检测结果。
8.优选的，在根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量之前，还包括：
9.按照标度法，对各评价指标进行对比，生成指标比较矩阵；
10.通过指标比较矩阵，对各评价指标的标度进行计算，得到各评价指标的信息熵。
11.优选的，在通过指标比较矩阵，对各评价指标的标度进行计算，得到各评价指标的信息熵之前，还包括：
12.计算出指标比较矩阵的最大特征根；
13.对最大特征根和指标比较矩阵的矩阵维数进行计算，生成一致性指标；
14.从设置的随机一致性指标表，查询出矩阵维数对应的平均随机一致性指标；
15.根据一致性指标和平均随机一致性指标，生成一致性比例；
16.若一致性比例小于设置的比例阈值，继续执行通过指标比较矩阵，对各评价指标的标度进行计算，得到各评价指标的信息熵的步骤；
17.若一致性比例大于或等于比例阈值，重新生成各评价指标的标度，并重新生成指标比较矩阵。
18.优选的，计算出指标比较矩阵的最大特征根，包括：
19.对指标比较矩阵中每一行元素进行乘积运算，得到每一行的乘积结果；
20.计算出乘积结果的矩阵维数次的根值；
21.对指定维数的根值进行归一化计算，得到各评价指标的初始权重；
22.根据各评价指标的初始权重，计算出最大特征根。
23.优选的，根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，包括
24.将初始权重向量的转置矩阵与各评价指标的信息熵相乘，得到总权重向量。
25.优选的，参数取值表包括各评价等级对应的评价区间中值和方差参数；
26.通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，包括：
27.通过设置的评价区间与评价等级之间的对应关系，根据量化分值匹配出对应的目标评价等级；
28.通过参数取值表，根据目标评价等级，匹配出对应的目标评价区间中值和目标方差参数；
29.通过正态分布隶属度函数，对量化分值、目标评价区间中值和目标方差参数进行计算，生成各评价指标的隶属度；
30.对各评价指标的隶属度进行归一化计算，构建出隶属度矩阵。
31.优选的，根据总权重向量和隶属度矩阵，生成设备检测结果，包括：
32.将总权重向量与隶属度矩阵相乘，得到设备检测结果。
33.优选的，在通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵之前，还包括：
34.对各评价等级对应的评价区间的端点值和设置的标准隶属度进行计算，得到各评价等级对应的方差参数；
35.根据各评价等级对应的评价区间的评价区间中值和方差参数，生成参数取值表。
36.本发明还公开了一种设备检测装置，包括：
37.修正单元，用于根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的；
38.构建单元，用于通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，量化分值是通过设备运行信息确定的；
39.第一生成单元，用于根据总权重向量和隶属度矩阵，生成设备检测结果。
40.本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
41.本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述处理器执行所述程序时实现如上所述方法。
42.本发明还公开了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现如上所述方法。
43.本发明根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的；通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，量化分值是通过设备运行信息确定的；根据总权重向量和隶属度矩阵，生成设备检测结果，能够全面、客观、科学对设备做出检测，提高了检测结果的客观性和准确性，从而提高了设备的可管理性，优化了设备资源配置。
附图说明
44.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
45.图1为本发明实施例提供的一种设备检测方法的流程图；
46.图2为本发明实施例提供的又一种设备检测方法的流程图；
47.图3为本发明实施例提供的一种设备检测装置的结构示意图；
48.图4为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
49.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
50.需要说明的是，本技术公开的一种设备检测方法和装置可用于人工智能技术领域，也可用于除人工智能技术领域之外的任意领域，本技术公开的一种设备检测方法和装置的应用领域不做限定。
51.为了便于理解本技术提供的技术方案，下面先对本技术技术方案的相关内容进行说明。本技术通过设备运行信息和各评价指标的特征值，结合设备全生命周期管理重要指标和行内对运维设备使用效益评价要求，选取设备使用率、设备使用寿命、投入与维护成本、服务收入、性能容量、设备管理配置、用户满意度作为评价指标，引入熵权法对模糊层次分析法(fahp)确定的评价指标权重进行修正；通过引入正态分布隶属度函数计算上述评价指标评价结果对评价等级的隶属度，构建隶属度矩阵；结合评价指标权重和隶属度矩阵，计算得到设备检测结果。其中，模糊层次分析法(fahp)是近年来人们为了改进由美国运筹学家saaty教授于20世纪70年代提成的层次分析法(ahp)而将模糊矩阵概念引入到层次分析法中而形成的一种新的定性分析和定量分析相结合的系统分析方法。隶属度矩阵为模糊矩阵，模糊矩阵是用来标识模糊关系的矩阵，例如：集合x中有m个元素，集合y中有n个元素，由集合x到集合y中的模糊关系，可用模糊矩阵表示。
52.下面以设备检测装置作为执行主体为例，说明本发明实施例提供的设备检测方法的实现过程。可理解的是，本发明实施例提供的设备检测方法的执行主体包括但不限于设备检测装置。
53.图1为本发明实施例提供的一种设备检测方法的流程图，如图1所示，该方法包括：
54.步骤101、根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的。
55.步骤102、通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，量化分值是通过设备运行信息确定的。
56.步骤103、根据总权重向量和隶属度矩阵，生成设备检测结果。
57.本发明实施例提供的技术方案中，根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的；通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，量化分值是通过设备运行信息确定的；根据总权重向量和隶属度矩阵，生成设备检测结果，能够全面、客观、科学对设备做出检测，提高了检测结果的客观性和准确性，从而提高了设备的可管理性，优化了设备资源配置。
58.图2为本发明实施例提供的又一种设备检测方法的流程图，如图2所示，该方法包括：
59.步骤201、按照标度法，对各评价指标进行对比，生成指标比较矩阵。
60.本发明实施例中，各步骤由设备检测装置执行。
61.本发明实施例中，各评价指标是根据设备运行信息确定的，不同设备根据其运行信息可以设置不同的评价指标。本发明实施例主要针对运维设备，根据运维设备运行信息，确定出的评价指标包括但不限于设备使用率、设备使用寿命、投入与维护成本、服务收入、性能容量、设备管理配置和用户满意度。按照标度法，通过专家打分确定出各评价指标的标度，生成指标比较矩阵。作为一种可选方案，标度法为萨蒂所提出的1－9标度法，1－9标度法说明如表1所示：
62.表1
[0063][0064]
其中，1－9标度法的矩阵表达的权重比值均与1－9中的数字相对应，例如：标度1表示两个比较指标具有相同重要性，3表示前者比后者稍微重要，其它数字代表的含义以此
类推。
[0065]
通过1－9标度法，对各评价指标进行两两比较，得到指标比较矩阵如表2所示：
[0066]
表2
[0067][0068]
由表2提取出指标比较矩阵指标比较矩阵a为设备使用率、设备使用寿命、投入与维护成本、服务收入、性能容量、设备管理配置和用户满意度7个评价指标的比较矩阵。其中，a
12
为第一个评价指标(设备使用率)和第二个评价指标(设备使用寿命)之间的重要性比较结果，称为标度，且矩阵中其他元素依次类推。
[0069]
步骤202、计算出指标比较矩阵的最大特征根。
[0070]
本发明实施例中，步骤202具体包括：
[0071]
步骤2021、对指标比较矩阵中每一行元素进行乘积运算，得到每一行的乘积结果。
[0072]
具体地，通过mi＝∏a
ij
，将指标比较矩阵中的每一行元素相乘，得到每一行的乘积结果。其中，mi为第i行的乘积结果，a
ij
为第i个评价指标和第j个评价指标之间的重要性比较结果。
[0073]
步骤2022、计算出乘积结果的矩阵维数次的根值。
[0074]
具体地，按照矩阵维数计算乘积结果的根值mi为第i行的乘积结果，n为矩阵维数。例如，若矩阵维数为7，则计算乘积结果的7次根值。
[0075]
步骤2023、对指定维数的根值进行归一化计算，得到各评价指标的初始权重。
[0076]
具体地，通过对指定维数的根值进行归一化计算，得到各评价指标的初始权重，其中，为第i个评价指标的初始权重，为乘积结果的n次根值，n为矩阵维数。
[0077]
步骤2024、根据各评价指标的初始权重，计算出最大特征根。
[0078]
具体地，通过对各评价指标的初始权重进行计算，生成指标比
较矩阵的最大特征根。其中，λ
max
为指标比较矩阵的最大特征根，为第i个评价指标的初始权重，n为矩阵维数，a为指标比较矩阵，为评价指标集的初始权重向量，其中
[0079]
步骤203、对最大特征根和指标比较矩阵的矩阵维数进行计算，生成一致性指标。
[0080]
本发明实施例中，通过对最大特征根和指标比较矩阵的矩阵维数进行计算，生成一致性指标。其中，ci为一致性指标，λ
max
为指标比较矩阵的最大特征根，n为矩阵维数。
[0081]
步骤204、从设置的随机一致性指标表，查询出矩阵维数对应的平均随机一致性指标。
[0082]
本发明实施例中，随机一致性指标表为矩阵维数与平均随机一致性指标之间的对应关系。具体地，根据实际需求预先设置随机一致性指标表，本发明实施例对随机一致性指标表中的具体取值不作限定。作为一种可选方案，随机一致性指标表如表3所示：
[0083]
表3
[0084]
n12345678910ri000.580.91.121.241.321.141.451.49
[0085]
其中，n为矩阵维数，ri为平均随机一致性指标。
[0086]
步骤205、根据一致性指标和平均随机一致性指标，生成一致性比例。
[0087]
本发明实施例中，将一致性指标和平均随机一致性指标之间的比值确定为一致性比例，即：cr为一致性比例，ri为平均随机一致性指标，ci为一致性指标。
[0088]
步骤206、判断一致性比例是否小于设置的比例阈值，若是，执行步骤207；若否，执行步骤201。
[0089]
本发明实施例中，比例阈值是根据实际需求预先设置的，本发明实施例对此不作限定。作为一种可选方案，比例阈值设置为0.1。
[0090]
具体地，若一致性比例小于设置的比例阈值，表明指标比较矩阵具有一致性，继续执行步骤207；若一致性比例大于或等于设置的比例阈值，表明指标比较矩阵不具有一致性，需要重新生成各评价指标的标度，并重新生成指标比较矩阵，继续执行步骤201。
[0091]
步骤207、通过指标比较矩阵，对各评价指标的标度进行计算，得到各评价指标的信息熵。
[0092]
熵权法是一种衡量指标数据所能提供信息程度的指标，它的基本思路是根据指标数值间的变异大小来确定客观权重，某个指标的信息熵越小，表明指标的变异程度越大，提供的有用信息就越多，其权重就越大。因此本实施例通过引入熵权法对传统的层次分析法进行改进，力图得到一个科学、客观、实用的权重确定方法。
[0093]
具体地，通过其中，对各评价指标的标度进行计算，得到各评价指标的信息熵。其中，a
ij
为第i个评价指标和第j个评价指标之间的重要性比较
结果，p
ij
为第i个评价指标和第j个评价指标之间的归一化指标，ei为第i个评价指标的信息熵。
[0094]
步骤208、根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量。
[0095]
本发明实施例中，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的，包括但不限于设备使用率、设备使用寿命、投入与维护成本、服务收入、性能容量、设备管理配置和用户满意度。
[0096]
具体地，将初始权重向量的转置矩阵与各评价指标的信息熵相乘，得到总权重向量，即：w为总权重向量，e信息熵向量，为初始权重向量。其中，向量为各指标的集合，例如：w＝{w1,w2…
wi}，e＝{e1,e2…ei
}。
[0097]
进一步地，通过对各评价指标的总权重进行归一化计算，生成归一化后的总权重，以进一步提高权重精度和后续计算效率，从而提高检测结果的准确性。
[0098]
步骤209、通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵。
[0099]
本发明实施例中，量化分值是专家通过设备运行信息确定的，具体地，专家可以根据设备的运行信息为各评价指标进行打分，得到各评价指标的量化分值。量化分值x的取值范围在0至100之间，即x∈[0，100]。
[0100]
本发明实施例中，步骤209具体包括：
[0101]
步骤2091、通过设置的评价区间与评价等级之间的对应关系，根据量化分值匹配出对应的目标评价等级。
[0102]
本发明实施例中，对量化分值的取值范围进行划分并对应设置多个评价等级，对于量化分值划分的评价区间和评价等级之间的对应关系可以根据实际需求进行设置，本发明实施例对此不作限定。作为一种可选方案，评价区间[80，100]对应于优秀的评价等级，评价区间(60，80]对应于良好的评价等级，评价区间(40，60]对应于合格的评价等级，评价区间(20，40]对应于差的评价等级，评价区间(0，20]对应于很差的评价等级。
[0103]
步骤2092、通过参数取值表，根据目标评价等级，匹配出对应的目标评价区间中值和目标方差参数。
[0104]
本发明实施例，对各评价等级对应的评价区间的端点值和设置的标准隶属度进行计算，得到各评价等级对应的方差参数；根据各评价等级对应的评价区间的评价区间中值和方差参数，生成参数取值表。具体地，选取正态分布函数作为隶属度函数，即：
[0105][0106]
其中，x为量化分值，α为各评价区间的中值，r(x)为隶属度，δ为方差参数。当专家给出的量化分值为中值时，隶属度则为1。当量化值为评价区间的两个端点值时，评价结果有较高的模糊性，可认为其隶属度对于相邻评价区间相同皆为0.5(标准隶属度设置为0.5)，即：
[0107]
r(x)＝exp[-(x
1-α)2/δ2]＝exp[-(x
1-x2)2/(4δ2)]＝0.5
[0108]
其中，x1和x2分别为某一评价区间的右端点和左端点，α为各评价区间的中值，r(x)为隶属度，δ为方差参数。将评价区间的两个端点值带入该公式可以得到对应评价区域间的方差参数δ，得到的参数取值表如表4所示：
[0109]
表4
[0110][0111]
参数取值表包括各评价等级对应的评价区间中值α和方差参数δ。
[0112]
步骤2093、通过正态分布隶属度函数，对量化分值、目标评价区间中值和目标方差参数进行计算，生成各评价指标的隶属度。
[0113]
本发明实施例中，正态分布隶属函数的特点是量化分值越靠近评价区间中间，隶属度越高，越靠近评价区间边缘隶属度越低，但对于两端的评价区间比较特殊，应做额外修正，具体做法是通过抬升半梯度以及降半梯度的方式使得左右两端隶属度函数转化为隶属恒为1的直线，得到如下基于区间划分的正态分布隶属度函数：
[0114][0115][0116][0117][0118][0119]
步骤2094、对各评价指标的隶属度进行归一化计算，构建出隶属度矩阵。
[0120]
本发明实施例中，对计算出的隶属度进行归一化计算，得到归一化处理后的各评价指标的隶属度，构建出的隶属度矩阵如表5所示：
[0121]
表5
[0122]
评价指标优秀良好合格差很差设备使用率r
11r12r13r14r15
设备使用寿命r
21r22r23r24r25
投入与维护成本r
31r32r33r34r35
服务收入r
41r42r43r44r45
性能容量r
51r52r53r54r55
设备管理配置r
61r62r63r64r65
用户满意度r
71r72r73r74r75
[0123]
由表5提取出隶属度矩阵r
ij
为该设备在评价指标i，评价等级j下的隶属度，构成了模糊综合评价的基础。
[0124]
步骤210、根据总权重向量和隶属度矩阵，生成设备检测结果。
[0125]
具体地，将总权重向量与隶属度矩阵相乘，得到设备检测结果，即：n＝wr。其中，n为设备检测结果，w为总权重向量，r为隶属度矩阵。设备检测结果n是基于各评价指标得到的客观公正的综合结果。
[0126]
本发明实施例，在模糊综合评价法中通过引入正态分布隶属度函数，改进传统模糊评价法中隶属度矩阵的创建方式，克服了专家调查法构建评价指标集获取不够精确的问题，解决评价中的模糊性和不确定性问题，该方法可操作性强，科学严谨，可较为真实地反映设备的实际使用和管理情况，客观、公正、科学、准确地将设备的使用效益体现出来，为企业在今后设备的管理投入和发展提供科学依据。此外，本发明提出的设备检测方法，能够应用于不同行业和不同领域的设备使用效益评价，通用性较强。
[0127]
本发明实施例提供的设备检测方法的技术方案中，根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的；通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，量化分值是通过设备运行信息确定的；根据总权重向量和隶属度矩阵，生成设备检测结果，能够全面、客观、科学对设备做出检测，提高了检测结果的客观性和准确性，从而提高了设备的可管理性，优化了设备资源配置。
[0128]
图3为本发明实施例提供的一种设备检测装置的结构示意图，该装置用于执行上述设备检测方法，如图3所示，该装置包括：修正单元11、构建单元12和第一生成单元13。
[0129]
修正单元11用于根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的。
[0130]
构建单元12用于通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，量化分值是通过设备运行信息确定的。
[0131]
第一生成单元13用于根据总权重向量和隶属度矩阵，生成设备检测结果。
[0132]
本发明实施例中，该装置还包括：对比单元14和第二生成单元15。
[0133]
对比单元14用于按照标度法，对各评价指标进行对比，生成指标比较矩阵。
[0134]
第二生成单元15用于通过指标比较矩阵，对各评价指标的标度进行计算，得到各评价指标的信息熵。
[0135]
本发明实施例中，该装置还包括：第一计算单元16、第二计算单元17、查询单元18和第三生成单元19。
[0136]
第一计算单元16用于计算出指标比较矩阵的最大特征根。
[0137]
第二计算单元17用于对最大特征根和指标比较矩阵的矩阵维数进行计算，生成一致性指标。
[0138]
查询单元18用于从设置的随机一致性指标表，查询出矩阵维数对应的平均随机一致性指标。
[0139]
第三生成单元19用于根据一致性指标和平均随机一致性指标，生成一致性比例；若一致性比例小于设置的比例阈值，触发第二生成单元15继续执行通过指标比较矩阵，对各评价指标的标度进行计算，得到各评价指标的信息熵的步骤；若一致性比例大于或等于比例阈值，触发对比单元14重新生成各评价指标的标度，并重新生成指标比较矩阵。
[0140]
本发明实施例中，第一计算单元16具体用于对指标比较矩阵中每一行元素进行乘积运算，得到每一行的乘积结果；计算出乘积结果的矩阵维数次的根值；对指定维数的根值进行归一化计算，得到各评价指标的初始权重；根据各评价指标的初始权重，计算出最大特征根。
[0141]
本发明实施例中，修正单元11具体用于将初始权重向量的转置矩阵与各评价指标的信息熵相乘，得到总权重向量。
[0142]
本发明实施例中，参数取值表包括各评价等级对应的评价区间中值和方差参数；构建单元12具体用于通过设置的评价区间与评价等级之间的对应关系，根据量化分值匹配出对应的目标评价等级；通过参数取值表，根据目标评价等级，匹配出对应的目标评价区间中值和目标方差参数；通过正态分布隶属度函数，对量化分值、目标评价区间中值和目标方差参数进行计算，生成各评价指标的隶属度；对各评价指标的隶属度进行归一化计算，构建出隶属度矩阵。
[0143]
本发明实施例中，第一生成单元13具体用于将总权重向量与隶属度矩阵相乘，得到设备检测结果。
[0144]
本发明实施例中，该装置还包括：第三计算单元20和第四生成单元21。
[0145]
第三计算单元20用于对各评价等级对应的评价区间的端点值和设置的标准隶属度进行计算，得到各评价等级对应的方差参数。
[0146]
第四生成单元21用于根据各评价等级对应的评价区间的评价区间中值和方差参数，生成所述参数取值表。
[0147]
本发明实施例的方案中，根据设备的评价指标集中各评价指标的信息熵，对评价指标集的初始权重向量进行修正计算，生成总权重向量，权重向量中的权重与评价指标集中的评价指标一一对应，评价指标集是根据设备运行信息确定的；通过正态分布隶属度函数，根据各评价指标的量化分值、评价等级和生成的参数取值表，构建隶属度矩阵，量化分值是通过设备运行信息确定的；根据总权重向量和隶属度矩阵，生成设备检测结果，能够全面、客观、科学对设备做出检测，提高了检测结果的客观性和准确性，从而提高了设备的可管理性，优化了设备资源配置。
[0148]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0149]
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实
现上述设备检测方法的实施例的各步骤，具体描述可参见上述设备检测方法的实施例。
[0150]
下面参考图4，其示出了适于用来实现本技术实施例的计算机设备600的结构示意图。
[0151]
如图4所示，计算机设备600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram))603中的程序而执行各种适当的工作和处理。在ram603中，还存储有计算机设备600操作所需的各种程序和数据。cpu601、rom602、以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0152]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶反馈器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
[0153]
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。
[0154]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0155]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0156]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0157]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0158]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0159]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0160]
本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0161]
本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0162]
本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0163]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0164]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。