【技术实现步骤摘要】
一种时序数据异常标注的方法、系统及相关组件
本申请涉及数据处理计数领域，尤其涉及一种时序数据异常标注的方法、系统及相关组件。
技术介绍
随着科学技术的不断发展，电子技术也得到了飞速的发展，电子产品的种类也越来越多，人们也享受到了科技发展带来的各种便利。现在人们可以通过各种类型的电子设备，享受随着科技发展带来的舒适生活。而在电子产品(例如服务器)中，一般需要监控cpu、内存中的数据，因为这些数据在一定程度上反映服务器的运行状态，对这些数据进行处理，可以发现运行中的异常行为，即服务器异常诊断，因此，为了发现监控数据的特征需要对数据进行标注。而目前数据标注的工作一般采用人工工作，工作繁杂，由于不同人对数据的感知不同，标注结果可能会有差异，难免会在标注时产生分歧，导致标注结果不准确的问题。
技术实现思路
本专利技术提供了一种时序数据异常标注的方法、系统及相关组件，以解决或者部分解决现有标注方式导致的标注结果不准确的技术问题。为解决上述技术问题，本专利技术提供了一种时序数据异常标注的方法，所述方法包...
【技术保护点】
1.一种时序数据异常标注的方法，其特征在于，所述方法包括：/n采集系统运行的性能数据；/n利用无监督式机器学习算法对所述性能数据进行异常标注，得到第一异常标注数据；/n利用有监督式机器学习模型对所述第一异常标注数据进行判定，得到第二异常标注数据，所述第二异常标注数据隶属于所述第一异常标注数据。/n
【技术特征摘要】 【专利技术属性】
1.一种时序数据异常标注的方法，其特征在于，所述方法包括：
采集系统运行的性能数据；
利用无监督式机器学习算法对所述性能数据进行异常标注，得到第一异常标注数据；
利用有监督式机器学习模型对所述第一异常标注数据进行判定，得到第二异常标注数据，所述第二异常标注数据隶属于所述第一异常标注数据。
2.如权利要求1所述的方法，其特征在于，所述采集系统运行的性能数据，具体包括：
按照采集指标项采集所述性能数据；其中，所述指标项包括：cpu利用率，cpu用户利用率，内存利用率，磁盘使用率。
3.如权利要求1所述的方法，其特征在于，所述利用无监督式机器学习算法对所述性能数据进行异常标注，得到第一异常标注数据，具体包括：
利用至少两种无监督式机器学习算法对所述性能数据进行异常标注，并对所述至少两种无监督式机器学习算法各自得到的异常标注数据取并集，得到所述第一异常标注数据。
4.如权利要求1所述的方法，其特征在于，所述利用有监督式机器学习模型对所述第一异常标注数据进行判定，得到第二异常标注数据之后，所述方法还包括：
将所述第二异常标注数据进行修正，得到修正数据；
利用所述修正数据对所述有监督式机器学习模型进行模型优化。
5.一种时序数据异常标注的系统，其特征在于，包括：
采集模块，用于采集系统运行的性能数据；
技术研发人员：苏海明，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。