1.一种云服务器负载预测方法，用于针对云服务中心进行负载预测，其特征在于，包括如下步骤：

步骤A.获得云服务中心所对应的云模型H，并针对云模型H中的各个子云函数，将彼此重叠大于预设重叠阈值的各个子云函数进行合并，更新云模型H，并进入步骤B；

步骤B.获得云模型H所对应的马尔可夫转移矩阵P'(N)，并进入步骤C；

步骤C.针对云服务中心当前时刻t的负载数据at，以及云服务中心上一时刻(t-1)的负载数据at-1，进行归一化处理，获得at所对应的归一化数据xt，然后计算获得xt分别相对云模型H中各个子云函数hn的隶属度μ(xt)n，并进入步骤D，其中，n＝{1、…、N}，N表示云模型H中子云函数的数量；

步骤D.针对xt相对云模型H中各个子云函数hn隶属度μ(xt)n，判断是否所有隶属度μ(xt)n均低于隶属度阈值μlimit，是则保留最大隶属度值，其余隶属度值设为0，更新xt相对云模型集合H中各个子云函数hn隶属度为μ'(xt)n，并进入步骤F；否则进入步骤E；

步骤E.针对xt相对云模型H中各个子云函数hn隶属度μ(xt)n，判断是否存在低于隶属度阈值μlimit的隶属度，是则将该隶属度值设为0，更新xt相对云模型集合H中各个子云函数hn隶属度为μ'(xt)n，并进入步骤F；否则直接将xt相对云模型H中各个子云函数hn隶属度μ(xt)n设为μ'(xt)n，并进入步骤F；

步骤F.针对xt相对云模型H中各个子云函数hn的隶属度μ'(xt)n，构成初始矩阵P(0)，并根据P(N)＝P(0)P'(N)，获得一步转移隶属矩阵P(N)，然后进入步骤G；

步骤G.分别针对云模型H中的各个子云函数hn，生成以Enn为期望、以Hen为熵的正态随机数yn，作为子云函数hn所对应的权值，进而获得云模型H中各个子云函数hn分别所对应的权值yn，然后进入步骤H；其中，Enn表示云模型H中第n个子云函数hn所对应的数学期望，Hen表示云模型H中第n个子云函数hn所对应的超熵；

步骤H.针对一步转移隶属矩阵P(N)中xt相对云模型H中各个子云函数hn的隶属度μ”(xt)n，以及云模型H中各个子云函数hn分别所对应的权值yn，进行加权平均处理，所获结果即为云服务中心下一时刻的负载预测值。

2.根据权利要求1所述一种云服务器负载预测方法，其特征在于：所述步骤C中，采用如下公式：

计算获得xt分别相对云模型H中各个子云函数hn的隶属度μ(xt)n，并进入步骤D，其中，n＝{1、…、N}，N表示云模型集合H中子云函数的数量；Exn表示云模型集合H中第n个子云函数hn所对应的熵。

3.根据权利要求1所述一种云服务器负载预测方法，其特征在于：所述步骤D中，对于隶属度阈值μlimit的获取方式为，针对各个隶属度μ(xt)n所逆推的期望值，判断期望值是否落在[-∞，Exn-3Enn]∪[Exn+3Enn,+∞]，是则将该期望值所对应的隶属度值设为0；否则不做操作；其中，Exn表示云模型H中与期望值相对应的子云函数所对应的熵，Enn表示云模型H中与期望值相对应的子云函数所对应的数学期望。

4.根据权利要求1所述一种云服务器负载预测方法，其特征在于：所述步骤G中，分别针对云模型H中的各个子云函数hn，根据如下模型：生成以Enn为期望、以Hen为熵的正态随机数yn，作为预测数值序列{y1,…,yn}，分别作为各子云函数hn所对应的权值，其中，y表示上一时刻的正态随机数。

5.根据权利要求1所述一种云服务器负载预测方法，其特征在于：所述步骤B，按如下设计，获得云模型集合H所对应的马尔可夫转移矩阵P'(N)；

将已构建的两个云模型 和 中的云从1开始进行编号，

获得状态集Ja{Ja(1),…,Ja(la)}和Jb{Jb(1),…,Jb(lb)}，求得交叉状态集合：将其每行衔接成为一个一维向量T：

(Ja(1)Jb(1)，Ja(1)Jb(2)，…，Ja(1)Jb(lb),Ja(2)Jb(1),…,Ja(la)Jb(lb))如此，通过该状态集合求解马尔可夫状态转移矩阵，进而云模型集合H所对应的马尔可夫转移矩阵P'(N)。