[发明专利]一种异常检测方法、装置、电子设备及存储介质

权利要求书

1.一种异常检测方法，其特征在于，包括：

获得待检测时序数据，所述待检测时序数据是随着时间变化的设备性能数据；

提取所述待检测时序数据的数据特征；

在关联关系表中查找所述数据特征对应模型的指示信息；

使用所述指示信息对应的异常检测模型对所述待检测时序数据进行异常检测，获得异常检测结果。

2.根据权利要求1所述的方法，其特征在于，在所述在关联关系表中查找所述数据特征对应模型的指示信息之前，还包括：

获得多个时序数据；

对所述多个时序数据进行分类，获得多个数据类别，所述多个数据类别中的每个数据类别包括至少一个时序数据；

使用所述多个数据类别中的每个数据类别对应的聚类算法对所述每个数据类别中的所有时序数据进行聚类，获得聚类后的多个小类，其中，所述多个小类的每个小类包括至少一个时序数据；

使用所述每个小类中的所有时序数据对所述每个小类对应的异常检测模型进行训练，获得训练后的异常检测模型。

3.根据权利要求2所述的方法，其特征在于，在所述获得训练后的异常检测模型之后，还包括：

从所述每个小类包括至少一个时序数据提取所述每个小类的质心数据，所述质心数据为小类中的所有时序数据的平均值组成的时序序列；

提取所述每个小类的质心数据的特征；

将所述每个小类的质心数据的特征和所述每个小类对应的异常检测模型的指示信息存入所述关联关系表中。

4.根据权利要求2所述的方法，其特征在于，所述多个数据类别包括：周期性数据和平稳性数据；所述对所述多个时序数据进行分类，获得多个数据类别，包括：

若所述时序数据具有周期性特点，则确定所述时序数据的数据类别为周期性数据；

若所述时序数据具有平稳性特点，则确定所述时序数据的数据类别为平稳性数据。

5.根据权利要求4所述的方法，其特征在于，所述使用所述多个数据类别中的每个数据类别对应的聚类算法对所述每个数据类别中的所有时序数据进行聚类，包括：

若所述时序数据的数据类别为周期性数据，则使用均值聚类算法对所述每个数据类别中的所有时序数据进行聚类；

若所述时序数据的数据类别为平稳性数据，则结合均值聚类算法和动态时间规整算法对所述每个数据类别中的所有时序数据进行聚类。

6.根据权利要求4所述的方法，其特征在于，所述多个数据类别还包括：不规则数据；所述对所述多个时序数据进行分类，获得多个数据类别，还包括：

若所述时序数据均不具有周期性特点和平稳性特点，则确定所述时序数据的数据类别为不规则数据；

所述使用所述多个数据类别中的每个数据类别对应的聚类算法对所述每个数据类别中的所有时序数据进行聚类，还包括：

若所述时序数据的数据类别为不规则数据，则使用基于密度的聚类算法对所述每个数据类别中的所有时序数据进行聚类。

7.根据权利要求1所述的方法，其特征在于，所述在关联关系表中查找所述数据特征对应模型的指示信息，包括：

计算所述关联关系表中的多个特征与所述数据特征的相似度值，获得多个相似度值；

从所述多个相似度值中筛选出相似度值最大的特征；

将所述相似度值最大的特征对应模型的指示信息确定为所述数据特征对应模型的指示信息。

8.一种异常检测装置，其特征在于，包括：

检测数据获得模块，用于获得待检测时序数据，所述待检测时序数据是随着时间变化的设备性能数据；

数据特征提取模块，用于提取所述待检测时序数据的数据特征；

指示信息查找模块，用于在关联关系表中查找所述数据特征对应模型的指示信息；

检测结果获得模块，用于使用所述指示信息对应的异常检测模型对所述待检测时序数据进行异常检测，获得异常检测结果。