【技术实现步骤摘要】
一种一维时间序列异常检测方法、装置及计算机设备
本申请涉及数据处理
，特别是涉及一种一维时间序列异常检测方法、装置及计算机设备。
技术介绍
目前，大型互联网公司，需要密切监控其系统的实时性能，短暂的服务中断或质量下降可能会导致巨大的业务损失。这些实时性能数据（例如，搜索响应时间、CPU使用率）通常以时间序列的形式收集和存储。为了确保业务运营的顺利进行，这些公司通常会开发能够准确检测时间序列异常并及时排除故障的异常检测系统。但是大型公司中的时间序列数据的数量极多，这些数据特性差异很大，并且现有的时间序列异常检测算法通用性差，每种异常检测算法都有其适用的数据类型，因此采用单一模型对时间序列数据异常检测的准确率不高。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高时间序列异常检测性能的一种一维时间序列异常检测方法、装置及计算机设备。一种一维时间序列异常检测方法，所述方法包括：从一维时间序列中提取样本点；一维时间序列包括多个时间点的采样值；样本点对应一个时间点的采样值...
【技术保护点】
1.一种一维时间序列异常检测方法，其特征在于，所述方法包括：/n从一维时间序列中提取样本点；所述一维时间序列包括多个时间点的采样值；所述样本点对应一个时间点的采样值和标签值；/n针对每一个所述样本点，通过滑动窗口提取所述样本点的样本上下文信息；/n采用编码器对所述样本上下文信息进行降维，得到样本低维嵌入数据；/n将样本点的所述样本上下文信息和所述标签值输入基检测器序列，根据基检测器序列的输出结果，得到样本性能向量；所述基检测器序列由多个基检测器组成；/n根据所述样本低维嵌入数据和所述样本性能向量的一一对应关系，建立检测集合；/n从一维时间序列中提取待预测点，通过滑动窗口提取...
【技术特征摘要】
1.一种一维时间序列异常检测方法，其特征在于，所述方法包括：
从一维时间序列中提取样本点；所述一维时间序列包括多个时间点的采样值；所述样本点对应一个时间点的采样值和标签值；
针对每一个所述样本点，通过滑动窗口提取所述样本点的样本上下文信息；
采用编码器对所述样本上下文信息进行降维，得到样本低维嵌入数据；
将样本点的所述样本上下文信息和所述标签值输入基检测器序列，根据基检测器序列的输出结果，得到样本性能向量；所述基检测器序列由多个基检测器组成；
根据所述样本低维嵌入数据和所述样本性能向量的一一对应关系，建立检测集合；
从一维时间序列中提取待预测点，通过滑动窗口提取所述待预测点的待预测上下文信息；
采用编码器对所述待预测上下文信息进行降维，得到待预测低维嵌入数据；
在所述检测集合中查询所述待预测低维嵌入数据的多个邻居数据；
根据所述邻居数据的样本性能向量，得到基检测器序列正确检测所述一维时间序列的概率；
根据所述基检测器序列正确检测所述一维时间序列的概率，得到检测性能最高的基检测器；
根据所述检测性能最高的基检测器，对所述一维时间序列进行异常检测。
2.根据权利要求1所述的方法，其特征在于，还包括：
采用解码器对所述待预测低维嵌入数据进行重构，得到重构数据；
根据所述待预测上下文信息和所述重构数据，得到重构误差；
若所述重构误差大于阈值，通过人机交互界面接收所述待预测上下文信息对应的真实标签，并采用预先设置的标准基检测器对所述待预测上下文信息的待预测低维嵌入数据进行预测。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
将所述真实标签和所述待预测低维嵌入数据进行一一对应后，存储至所述检测集合。
4.根据权利要求2所述的方法，其特征在于，所述根据所述待预测上下文信息和所述重构数据，得到重构误差，包括：
根据所述待预测上下文信息和所述重构数据的均方根误差，得到重构误差为：
其中，表示均方根误差，表示待预测上下文信息，表示重构数据，表示范数。
5.根据权利要求1所述的方法，其特征在于，根据所述样本低维嵌入数据和所述样本性能向量的一一对应关系，建立检测集合，包括：
根据所述样本低维嵌入数据和所述样本性能向量的一一对应关系，采用KD-Tree算法将所述样本低维嵌入数据和所述样本性能向量进行存储，得到检测集合。
6.根据权利要...
【专利技术属性】
技术研发人员：蔡志平，王承禹，周桐庆，余广，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43
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。