[发明专利]用于异常检测的模型选择和参数估计

权利要求书

1.一种用于实现异常检测的方法，包括：

获得包括多个数据点的时序数据；

生成与当前数据点相对应的数据段的特征表示；

基于所述特征表示，从一组候选异常检测模型中选择异常检测模型；

估计与所选择的异常检测模型相关联的参数集合；以及

利用所选择的异常检测模型和所估计的参数集合对所述当前数据点执行异常检测。

2.根据权利要求1所述的方法，其中，所述生成特征表示包括：

对所述数据段执行一组特征提取操作，以获得一组子特征表示；以及

将所述一组子特征表示组合成所述特征表示。

3.根据权利要求1所述的方法，其中，所述生成特征表示包括：

对所述数据段执行一组转换操作，以获得一组经转换的数据段；

对于所述一组经转换的数据段中的每个经转换的数据段，执行一组特征提取操作以获得一组初始特征表示，并且将所述一组初始特征表示组合成与所述经转换的数据段相对应的子特征表示；以及

将与所述一组经转换的数据段相对应的一组子特征表示组合成所述特征表示。

4.根据权利要求1所述的方法，其中，所述选择异常检测模型是通过模型选择器来执行的，所述模型选择器包括主分类器。

5.根据权利要求4所述的方法，其中，所述选择异常检测模型包括：

通过所述主分类器来选择初步异常检测模型；

确定与所述初步异常检测模型相关联的置信度分数是否高于阈值；以及

响应于确定所述置信度分数高于所述阈值，将所述初步异常检测模型确定为所选择的异常检测模型。

6.根据权利要求5所述的方法，其中，所述模型选择器还包括辅分类器，并且所述选择异常检测模型还包括：

响应于确定所述置信度分数不高于所述阈值，通过所述辅分类器来确定所选择的异常检测模型。

7.根据权利要求4所述的方法，其中，所述主分类器是通过以下操作来训练的：

对于训练数据集合中的一个时序数据样本，从所述一组候选异常检测模型中识别针对所述时序数据样本的最佳异常检测模型；

生成所述时序数据样本的特征表示；以及

至少利用所述时序数据样本的所述特征表示和对所述最佳异常检测模型的标识来训练所述主分类器。

8.根据权利要求7所述的方法，其中，所述时序数据样本具有异常点标注，并且所述识别最佳异常检测模型包括：

利用所述一组候选异常检测模型中的每个候选异常检测模型来分别对所述时序数据样本执行异常检测，以获得一组异常检测结果；

基于所述异常点标注，从所述一组异常检测结果中识别最佳异常检测结果；以及

将产生所述最佳异常检测结果的候选异常检测模型确定为所述最佳异常检测模型。

9.根据权利要求8所述的方法，其中，所述识别最佳异常检测模型还包括：

获得另外的候选异常检测模型；

利用所述另外的候选异常检测模型来对所述时序数据样本执行异常检测，以获得另外的异常检测结果；

确定所述另外的异常检测结果优于所述最佳异常检测结果；以及

将所述最佳异常检测模型更新为所述另外的候选异常检测模型。

10.根据权利要求1所述的方法，其中，所述估计参数集合是通过与所选择的异常检测模型相关联的参数估计器来执行的，所述参数估计器包括主估计器。

11.根据权利要求10所述的方法，其中，所述估计参数集合包括：

通过所述主估计器来估计初步参数集合；

确定与所述初步参数集合相关联的置信度分数是否高于阈值；以及

响应于确定所述置信度分数高于所述阈值，将所述初步参数集合确定为所估计的参数集合。