【技术实现步骤摘要】
本专利技术涉及大数据异常检测，尤其涉及一种基于云计算的大数据异常检测方法及系统。
技术介绍
1、大数据异常检测领域当前的技术演进呈现多元化发展趋势。随着云计算平台承载的数据规模持续扩大，主流方案普遍采用滑动时间窗口进行时序分割，结合统计特征分析和基于图数据库的实体关系挖掘构建多维特征空间；模型层面梯度提升决策树因高效性成为常用分类器，互信息特征筛选亦有较多应用实践。然而业界观察显示，高频流式数据的突发性波动易引发窗口分割对业务周期适配性不足的问题，多源异构特征间的稳定性量化困难导致模型鲁棒性受限，同时决策树算法对特征波动敏感性引发的误报率波动、根因定位偏差等挑战在金融实时风控、工业互联网运维场景中持续受到关注。特征工程与模型决策如何协同适应复杂动态环境已成为该领域待突破的技术难点。
2、因此，有必要提供一种基于云计算的大数据异常检测方法及系统解决上述技术问题。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种基于云计算的大数据异常检测方法及系统，达到准确有效的异常数据检
【技术保护点】
1.一种基于云计算的大数据异常检测方法，其特征在于，所述异常检测方法包括以下步骤：
2.根据权利要求1所述的一种基于云计算的大数据异常检测方法，其特征在于，在步骤S1中，所述滑动时间窗口长度大于或等于3个完整的业务周期。
3.根据权利要求2所述的一种基于云计算的大数据异常检测方法，其特征在于，步骤S1中对原始数据流的预处理包括以下步骤：
4.根据权利要求3所述的一种基于云计算的大数据异常检测方法，其特征在于，在步骤S3中，所述统计特征矩阵和所述语义特征矩阵中的列表示一个特征维度的所有标准数据段的取值。
5.根据权利要求4...
【技术特征摘要】
1.一种基于云计算的大数据异常检测方法，其特征在于，所述异常检测方法包括以下步骤：
2.根据权利要求1所述的一种基于云计算的大数据异常检测方法，其特征在于，在步骤s1中，所述滑动时间窗口长度大于或等于3个完整的业务周期。
3.根据权利要求2所述的一种基于云计算的大数据异常检测方法，其特征在于，步骤s1中对原始数据流的预处理包括以下步骤：
4.根据权利要求3所述的一种基于云计算的大数据异常检测方法，其特征在于，在步骤s3中，所述统计特征矩阵和所述语义特征矩阵中的列表示一个特征维度的所有标准数据段的取值。
5.根据权利要求4所述的一种基于云计算的大数据异常检测方法，其特征在于，在步骤s3中，特征波动系数向量的生成步骤包括：
6.根据权利要求5所述的一种基于云计算的大数...
【专利技术属性】
技术研发人员：胡功林，张杨，雷菁，郑珏凡，魏兰，
申请(专利权)人：武汉城市职业学院，
类型：发明
国别省市：
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。