[发明专利]一种定位毛刺异常点的方法、装置及计算设备

说明书

本发明提供一种定位毛刺异常点的方法、装置及计算设备，方法包括：确定采样点序列；确定对应的绝对差分序列；根据所述绝对差分序列确定整体差分置信区间；将采样点序列输入滑动窗口，由滑动窗口从首个扫描点开始逐个扫描采样点，以确定突变判断点；判断滑动窗口扫描的当前采样点的采样值，是否在突变判断局部置信区间内；若否，则确定当前采样点为突变点；滑动窗口继续扫描采样点，根据突变点与前一个采样点的差分正负，确定采样值回落到异常判断局部置信区间内的第一个回落点；如果突变点至第一回落点之间的采样点个数不大于预置数量条件，则确定突变点至所述第一个回落点前的点是毛刺异常点。本发明可在监控系统中，实现毛刺异常点的定位。

技术领域

本发明涉及数据监控技术领域，具体涉及一种定位毛刺异常点的方法、装置及计算设备。

背景技术

监控系统在对业务数据的监控中应用较广，监控系统通过对业务监控项进行数据采样，可对采样数据进行分析，判断出业务是否发生故障，从而在业务故障时输出告警；监控系统如用于监控部门网管业务的部门网管业务监控告警系统等；监控系统所采样的数据中常会存在毛刺异常点，毛刺异常点为采样数据中出现脱离总体数据趋势的采样点，但毛刺异常点持续时间较短，并不是由于业务故障引起的，因此在采样到毛刺异常点时，并不能认定业务故障而输出告警；可见，为保证监控系统的正常运行，从所采样的数据中定位出毛刺异常点，显得尤为重要。

目前毛刺异常点的定位方式主要有基于小波分析法的毛刺异常点定位、采用固定长度滑动窗口检测毛刺异常点等；在基于小波分析法定位毛刺异常点时，小波系数比较难控制，且算法需要依赖于ARMA(自回归滑动平均模型)、GARCH(广义自回归条件异方差模型)等经济学模型，这使得毛刺异常点的定位算法难度和复杂度均较大，并不适用于在监控系统中进行毛刺异常点的定位；采用固定长度滑动窗口检测毛刺异常点时，需要依赖适用于分段线性模型的FKD(Kernel Fisher Discriminant)算法，而监控系统中绝大部分的业务的采样数据都不是分段线性模型，这使得采用固定长度滑动窗口检测毛刺异常点的方式，在监控系统的适用受到限制。

可以看出，目前毛刺异常点的定位方式并无法很好的适用于监控系统，因此提供一种新的能够在监控系统中定位毛刺异常点的方法，以在监控系统中实现毛刺异常点的定位，成为本领域技术人员需要考虑的问题。

发明内容

有鉴于此，本发明实施例提供一种定位毛刺异常点的方法、装置及计算设备，以在监控系统中实现毛刺异常点的定位。

为实现上述目的，本发明实施例提供如下技术方案：

一种定位毛刺异常点的方法，包括：

确定采样点序列，所述采样点序列具有多个采样点及各采样点的采样值；

根据所述采样点序列的采样值确定对应的绝对差分序列；

根据所述绝对差分序列确定整体差分置信区间；

将采样点序列输入滑动窗口，由滑动窗口从首个扫描点开始逐个扫描采样点，以根据采样点的绝对差分确定绝对差分不在所述整体差分置信区间内的突变判断点；

判断滑动窗口扫描的当前采样点的采样值，是否在突变判断局部置信区间内，所述突变判断局部置信区间根据突变判断点前或前后的第一数量个点的采样值确定；

若当前采样点的采样值不在所述突变判断局部置信区间内，则确定当前采样点为突变点；

滑动窗口继续扫描采样点，根据突变点的差分正负，确定采样值回落到异常判断局部置信区间内的第一个回落点，所述异常判断局部置信区间根据突变判断点前或前后的第二数量个点的采样值确定；

如果突变点至所述第一回落点之间的采样点个数不大于预置数量条件，则确定突变点至所述第一个回落点前的点是毛刺异常点。

本发明实施例还提供一种定位毛刺异常点的装置，包括：