基于PCA余量空间的异常诊断方法及装置制造方法及图纸

本发明专利技术实施例提供一种基于PCA余量空间的异常诊断方法及装置，应用于包含M个状态量的系统中，M个状态量在同一时刻的取值构成一状态向量，系统正常工作状态下的N个状态向量构成原始空间，该方法包括：在检测到系统异常时，获取K个第一基向量，其中，K个第一基向量为通过对K个第二基向量进行稀疏化处理得到，第二基向量用于表示对原始空间进行PCA降维得到的余量空间，K为余量空间的维数，K小于或等于N，每个第一基向量中的元素个数为M；根据系统异常时对应的状态向量在K个第一基向量中的投影，诊断系统异常产生的原因。本发明专利技术实施例中，由于第一基向量具有稀疏的特点，便于快速、有效地诊断异常产生的原因。

【技术实现步骤摘要】

本专利技术实施例涉及信息技术，尤其涉及一种基于PCA余量空间的异常诊断方法及装置。
技术介绍
随着计算需求的增长，需要规模更大、更加复杂的分布式计算系统。但更复杂的分布式计算系统更容易产生故障。另外，由于故障往往因系统的异常行为所导致，因此，对系统运行过程中异常的检测与诊断，是进行故障检测与诊断的基础。利用机器学习方法，例如基于分布式计算系统中各个状态量与日志的异常检测与诊断，可以有效排除故障。其中，主成分分析(PrincipleComponentAnalysis，简称：PCA)异常检测算法与决策树模型相结合的方法，是一种有效的异常检测诊断方法。具体地，PCA异常检测算法的依据是余量的大小，例如，B收到的数据与A发出的数据不相符；在检测到异常之后，通过决策树模型来对异常检测的结果进行学习，以诊断异常产生的原因。而决策树模型在学习PCA异常检测的结果时，将PCA异常检测的结果拆分为多种情况，例如，当A发出的数据量远大于0.5，B收到的数据量远小于0.5时为异常；当A发出的数据远小于0.5，B收到的数据远大于0.5时为异常，等等，这使得原本相同的故障被拆分成了不同的故障，从而不利于故障的诊断。
技术实现思路
本专利技术实施例提供一种基于PCA余量空间的异常诊断方法及装置，以实现对异常的有效诊断。第一方面，本专利技术实施例提供一种基于主成分分析PCA余量空间的异常诊断方法，应用于包含M个状态量的系统中，所述M个状态量在同一时刻的取值构成一状态向量，所述M为大于1的正整数，所述系统正常工作状态下的N个状态向量构成原始空间，所述N为大于所述M的正整数，所述方法包括：在检测到所述系统异常时，获取K个第一基向量，其中，所述K个第一基向量为通过对K个第二基向量进行稀疏化处理得到，所述第二基向量用于表示对所述原始空间进行PCA降维得到的余量空间，所述K为所述余量空间的维数，所述K小于或等于所述N，每个所述第一基向量中的元素个数为所述M；根据所述系统异常时对应的状态向量在所述K个第一基向量中的投影，诊断所述系统异常产生的原因。在第一方面的第一种可能的实现方式中，所述获取K个第一基向量，包括：采用消元方法或优化方法，处理所述K个第二基向量，得到所述K个第一基向量。根据第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述第二基向量为列向量，所述K个第二基向量组成一M*K的矩阵，所述采用消元方法，处理所述K个第二基向量，得到所述K个第一基向量，包括：对每一所述第二基向量，得到该第二基向量中各元素的平方和，并确定平方和最大的第二基向量作为消元的主元；更换所述矩阵中第一列与所述主元的位置，将所述主元调整到所述矩阵的第一列；以所述主元的第一行元素为列向量长度，其他元素为零为目标，对所述矩阵进行Householder变换；在所述矩阵中，自上至下，将除去所述矩阵的第一行及所述主元的剩余部分作为新的矩阵，所述新的矩阵中每一列向量作为新的第二基向量，执行所述对每一所述第二基向量，得到该第二基向量中各元素的平方和，并确定平方和最大的第二基向量作为消元的主元，直至所述新的矩阵中仅包含一行向量，得到行阶梯矩阵；在所述行阶梯矩阵中，各行向量之间做加权加和/或减操作，得到化简后的行阶梯形矩阵；与所述矩阵中各所述第二基向量位置对应，还原所述化简后的行阶梯形矩阵中各列的位置，并对还原后的矩阵中各行进行归一化处理，得到所述K个第一基向量。根据第一方面、第一方面的第一种至第二种可能的实现方式中任意一种，在第一方面的第三种可能的实现方式中，所述检测到所述系统异常，包括：若所述系统对应的状态向量在所述余量空间的投影大于或等于预设阈值，则确定所述系统出现异常；若所述系统对应的状态向量在所述余量空间的投影小于所述预设阈值，则确定所述系统正常。根据第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，若所述系统对应的状态向量在所述余量空间的投影小于所述预设阈值，则确定所述系统正常之后，所述方法还包括：将确定所述系统正常对应的所述状态向量通过PCA降维，更新所述余量空间，并根据更新后的余量空间获取第一基向量。第二方面，本专利技术实施例提供一种基于主成分分析PCA余量空间的异常诊断装置，应用于包含M个状态量的系统中，所述M个状态量在同一时刻的取值构成一状态向量，所述M为大于1的正整数，所述系统正常工作状态下的N个状态向量构成原始空间，所述N为大于所述M的正整数，所述装置包括：检测模块，用于检测所述系统是否产生异常；获取模块，用于在所述检测模块检测到所述系统异常时，获取K个第一基向量，其中，所述K个第一基向量为通过对K个第二基向量进行稀疏化处理得到，所述第二基向量用于表示对所述原始空间进行PCA降维得到的余量空间，所述K为所述余量空间的维数，所述K小于或等于所述N，每个所述第一基向量中的元素个数为所述M；诊断模块，用于根据所述系统异常时对应的状态向量在所述获取模块所获取的所述K个第一基向量中的投影，诊断所述系统异常产生的原因。在第二方面的第一种可能的实现方式中，所述获取模块具体用于：采用消元方法或优化方法，处理所述K个第二基向量，得到所述K个第一基向量。根据第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述第二基向量为列向量，所述K个第二基向量组成一M*K的矩阵，所述获取模块采用消元方法，处理所述K个第二基向量，得到所述K个第一基向量，具体为：对每一所述第二基向量，得到该第二基向量中各元素的平方和，并确定平方和最大的第二基向量作为消元的主元；更换所述矩阵中第一列与所述主元的位置，将所述主元调整到所述矩阵的第一列；以所述主元的第一行元素为列向量长度，其他元素为零为目标，对所述矩阵进行Householder变换；在所述矩阵中，自上至下，将除去所述矩阵的第一行及所述主元的剩余部分作为新的矩阵，所述新的矩阵中每一列向量作为新的第二基向量，执行所述对每一所述第二基向量，得到该第二基向量中各元素的平方和，并确定平方和最大的第二基向量作为消元的主元，直至所述新的矩阵中仅包含一行向量，得到行阶梯矩阵；在所述行阶梯矩阵中，各行向量之间做加权加和/或减操作，得到化简后的行阶梯形矩阵；与所述矩阵中各所述第二基向量位置本文档来自技高网...

【技术保护点】
一种基于主成分分析PCA余量空间的异常诊断方法，其特征在于，应用于包含M个状态量的系统中，所述M个状态量在同一时刻的取值构成一状态向量，所述M为大于1的正整数，所述系统正常工作状态下的N个状态向量构成原始空间，所述N为大于所述M的正整数，所述方法包括：在检测到所述系统异常时，获取K个第一基向量，其中，所述K个第一基向量为通过对K个第二基向量进行稀疏化处理得到，所述第二基向量用于表示对所述原始空间进行PCA降维得到的余量空间，所述K为所述余量空间的维数，所述K小于或等于所述N，每个所述第一基向量中的元素个数为所述M；根据所述系统异常时对应的状态向量在所述K个第一基向量中的投影，诊断所述系统异常产生的原因。

【技术特征摘要】
1.一种基于主成分分析PCA余量空间的异常诊断方法，其特征在于，
应用于包含M个状态量的系统中，所述M个状态量在同一时刻的取值构成
一状态向量，所述M为大于1的正整数，所述系统正常工作状态下的N个状
态向量构成原始空间，所述N为大于所述M的正整数，所述方法包括：
在检测到所述系统异常时，获取K个第一基向量，其中，所述K个第一
基向量为通过对K个第二基向量进行稀疏化处理得到，所述第二基向量用于
表示对所述原始空间进行PCA降维得到的余量空间，所述K为所述余量空间
的维数，所述K小于或等于所述N，每个所述第一基向量中的元素个数为所
述M；
根据所述系统异常时对应的状态向量在所述K个第一基向量中的投影，
诊断所述系统异常产生的原因。
2.根据权利要求1所述的方法，其特征在于，所述获取K个第一基向
量，包括：
采用消元方法或优化方法，处理所述K个第二基向量，得到所述K个第
一基向量。
3.根据权利要求2所述的方法，其特征在于，所述第二基向量为列向量，
所述K个第二基向量组成一M*K的矩阵，所述采用消元方法，处理所述K
个第二基向量，得到所述K个第一基向量，包括：
对每一所述第二基向量，得到该第二基向量中各元素的平方和，并确定
平方和最大的第二基向量作为消元的主元；
更换所述矩阵中第一列与所述主元的位置，将所述主元调整到所述矩阵
的第一列；
以所述主元的第一行元素为列向量长度，其他元素为零为目标，对所述
矩阵进行Householder变换；
在所述矩阵中，自上至下，将除去所述矩阵的第一行及所述主元的剩余
部分作为新的矩阵，所述新的矩阵中每一列向量作为新的第二基向量，执行
所述对每一所述第二基向量，得到该第二基向量中各元素的平方和，并确定
平方和最大的第二基向量作为消元的主元，直至所述新的矩阵中仅包含一行
向量，得到行阶梯矩阵；
在所述行阶梯矩阵中，各行向量之间做加权加和/或减操作，得到化简后
的行阶梯形矩阵；
与所述矩阵中各所述第二基向量位置对应，还原所述化简后的行阶梯形
矩阵中各列的位置，并对还原后的矩阵中各行进行归一化处理，得到所述K
个第一基向量。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述检测到所述
系统异常，包括：
若所述系统对应的状态向量在所述余量空间的投影大于或等于预设阈
值，则确定所述系统出现异常；
若所述系统对应的状态向量在所述余量空间的投影小于所述预设阈值，
则确定所述系统正常。
5.根据权利要求4所述的方法，其特征在于，若所述系统对应的状态向
量在所述余量空间的投影小于所述预设阈值，则确定所述系统正常之后，所
述方法还包括：
将确定所述系统正常对应的所述状态向量通过PCA降维，更新所述余量
空间，并根据更新后的余量空间获取第一基向量。
6.一种基于主成分分析PCA余量空间的异常诊断装置，其特征在于，...

【专利技术属性】
技术研发人员：宾行言，赵颖，王元钢，
申请(专利权)人：华为技术有限公司，清华大学，
类型：发明
国别省市：广东;44