[发明专利]指标异常检测模型的训练方法、推荐的方法及装置

权利要求书

1.一种指标异常检测模型的训练方法，其特征在于，所述方法包括：

获取第一样本数据集，所述第一样本数据集包括多个关键绩效指标KPI曲线；

分别提取每个所述KPI曲线的基线，得到每个所述KPI对应的KPI基线；

分别对每个所述KPI基线使用标准化Z-Score算法处理，得到每个所述KPI基线对应的标准化曲线；

基于每条标准化曲线的相似性，对所述每条标准化曲线进行聚类处理，得到至少一个类簇；其中，所述至少一个类簇的每个类簇中包括多条标准化曲线；

针对所述至少一个类簇中的每个类簇，分别根据属于同一类簇中的多条标准化曲线训练指标异常检测模型，直至满足预设训练停止条件，得到训练好的每个类簇对应的指标异常检测模型。

2.根据权利要求1所述的方法，其特征在于，所述得到训练好的每个类簇对应的指标异常检测模型之后，还包括：

获取每个类簇的聚类中心曲线；

建立所述类簇的聚类中心曲线与所述类簇对应的指标异常检测模型的关联关系。

3.根据权利要求1所述的方法，其特征在于，所述基于每条标准化曲线的相似性，对所述每条标准化曲线进行聚类处理，得到至少一个类簇之前，还包括：

计算所有标准化曲线中的任意两条标准化曲线的相似度；

所述对所述每条标准化曲线进行聚类处理，得到至少一个类簇，具体包括：

根据所述任意两条标准化曲线的相似度，采用基于密度的聚类算法DBSCAN对每条标准化曲线进行聚类处理，得到至少一个类簇。

4.根据权利要求3所述的方法，其特征在于，所述计算所有标准化曲线中的任意两条标准化曲线的相似度，具体包括：

基于互相关函数的相似度度量SBD，计算所有标准化曲线中的任意两条标准化曲线的相似度度量值。

5.根据权利要求2所述的方法，其特征在于，所述获取每个类簇的聚类中心曲线，具体包括：

每个类簇的聚类中心曲线分别由聚类中心的计算公式获得，所述聚类中心计算公式为：

其中，cluster_i为第i个类簇，SBD(X,Y)为第一标准化曲线X和第二标准化曲线Y的相似度度量值，Centroid为聚类中心曲线。

6.一种指标异常检测模型的推荐方法，其特征在于，所述方法包括：

获取待检测的关键绩效指标KPI曲线；

提取待检测的KPI曲线的基线，得到所述待检测的KPI曲线对应的KPI基线；

对所述KPI基线使用标准化Z-Score算法处理，得到所述KPI基线对应的标准化KPI基线；

基于所述标准化KPI基线和预先获取到的各个类簇的聚类中心曲线，确定所述标准化KPI基线对应的目标类簇；

根据所述目标类簇以及预先建立的类簇的聚类中心曲线与所述类簇对应的指标异常检测模型的关联关系，确定所述标准化KPI基线的目标指标异常检测模型；其中，所述关联关系由权利要求2所述的方法得到；

推荐所述目标指标异常检测模型。

7.根据权利要求6所述的方法，其特征在于，所述基于所述标准化KPI基线和预先获取到的各个类簇的聚类中心曲线，确定所述标准化KPI基线对应的目标类簇，具体包括：

基于互相关函数的相似度度量SBD，计算所述标准化KPI基线与至少一个类簇的每个类簇的聚类中心曲线的相似度度量值；

将满足预设条件的相似度度量值对应的聚类中心曲线对应的类簇确定为所述标准化KPI基线的目标类簇。