异常检测对象的确定方法及装置、存储介质、计算机设备制造方法及图纸

本申请公开了一种异常检测对象的确定方法及装置、存储介质、计算机设备，涉及异常检测技术领域，主要目的在于改善现有基于数据本身的分布进行异常值检测的方法无法适用于针对检测订单数量积压本身存在普遍偏高这类场景的问题。包括：获取各个检测对象的业务流程节点审批数据；根据所述各个检测对象的业务流程节点审批数据构建直线，得到线性趋势检测模型；基于所述线性趋势检测模型对所述各个检测对象的业务流程节点审批数据进行异常检测，得到所述各个检测对象的业务流程节点审批数据中的异常业务流程节点审批数据。中的异常业务流程节点审批数据。中的异常业务流程节点审批数据。

【技术实现步骤摘要】
异常检测对象的确定方法及装置、存储介质、计算机设备


[0001]本申请涉及异常检测
，特别是涉及一种异常检测对象的确定方法及装置、存储介质、计算机设备。

技术介绍

[0002]异常值是指样本中的个别数值明显偏离它所属样本的其余观测值，通常表现为明显大于或小于其他观测值，故不难被发现或剔除。在统计学领域存在很多针对异常值的检测方法，例如，均方差检测方法、箱线图检测方法、聚类检测方法等，其运行结果必然会检测出异常值。然而，在检测订单数量积压情况这一场景中，如上述均方检测方法、箱线检测方法等基于统计学的异常值检测方法，由于完全基于数据本身的分布进行异常值检测，目的是为了去除噪声点从而加快模型的收敛速度，避免因噪声点降低模型的泛化能力，而并未考虑到样本的整体水平，虽然基于统计学的监测方法运行结果必然会监测出异常值，但是针对检测订单数量积压本身存在普遍偏高这类并不存在需要特别关注的异常值的情况并不适用。因此，亟需一种异常检测对象的确定方法，以自动确定样本中的异常值。

技术实现思路

[0003]有鉴于此，本申请提供一种异常检测对象的确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检测对象的确定方法，其特征在于，包括：获取各个检测对象的业务流程节点审批数据；根据所述各个检测对象的业务流程节点审批数据构建直线，得到线性趋势检测模型；基于所述线性趋势检测模型对所述各个检测对象的业务流程节点审批数据进行异常检测，得到所述各个检测对象的业务流程节点审批数据中的异常业务流程节点审批数据。2.根据权利要求1所述的方法，其特征在于，所述基于所述线性趋势检测模型对所述各个检测对象的业务流程节点审批数据进行异常检测，得到所述各个检测对象的业务流程节点审批数据中的异常业务流程节点审批数据，具体包括：将所述各个检测对象的业务流程节点审批数据中的最大值业务流程节点审批数据所对应的坐标点横坐标，输入至所述线性趋势检测模型，得到预计业务流程节点审批数据；若所述最大值业务流程节点审批数据大于所述预计业务流程节点审批数据，则确定所述最大值业务流程节点审批数据为异常业务流程节点审批数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述各个检测对象的业务流程节点审批数据构建直线，得到线性趋势检测模型，具体包括：将所述各个检测对象的业务流程节点审批数据进行排序处理；筛除小于预设业务流程节点审批数据阈值的业务流程节点审批数据；将完成筛除的业务流程节点审批数据进行坐标映射处理，得到多个业务流程节点审批数据对应的坐标点；基于所述完成筛除的业务流程节点审批数据中最小值业务流程节点审批数据所对应的坐标点以及所述完成筛除的业务流程节点审批数据中次大值业务流程节点审批数据所对应的坐标点构建直线，得到线性趋势检测模型。4.根据权利要求3所述的方法，其特征在于，所述筛除小于预设业务流程节点审批数据阈值的业务流程节点审批数据之前，所述方法还包括：获取业务数据库中全量已完成业务流程的业务流程节点审批数据；根据所述全量已完成业务流程的业务流程节点审批数据配置所述预设业务流程节点审批数据阈值。5.根据权利要求1所述的方法，其特征在于，所述得到所述各个检测对象的业务流程节点审批数据...

【专利技术属性】
技术研发人员：王伟，曹迪，丁晓三，
申请(专利权)人：平安国际融资租赁有限公司，
类型：发明
国别省市：