[发明专利]一种卷包生产环节多指标波动关联分析方法

权利要求书

1.一种卷包生产环节多指标波动关联分析方法，其特征在于：包括由客户端平均ACK时延、客户端请求传输时间以及客户端负载数据包数组成的特征工程、对所述特征工程中的客户端平均ACK时延放大指标特征、客户端请求传输时间放大指标特征以及客户端负载数据包数放大指标特征进行相关性测量的关联分析挖掘算法，通过所述关联分析挖掘算法计算出所述特征工程中存在的各成分之间KPI指标波动存在不断变化的关系、时间顺序以及波动方向，所述关联分析挖掘算法为基于规则的无监督的机器学习算法，所述关联分析挖掘算法中所关联规则的筛选和过滤方法包括最小支持度和最小置信度，所述关联分析挖掘算法的步骤为：步骤一、生产频繁项集：根据最小支持度阈值找出数据集DB中所有频繁项集，直到再没有满足最小支持度阈值条件的项集为止；步骤二、利用所述频繁项集构造出满足用户最小置信度的规则。

2.根据权利要求1所述的一种卷包生产环节多指标波动关联分析方法，其特征在于：任一所述频繁项集的所有非空子集也是频繁的，即生成一个频繁项集的候选项时，如果这个候选项有子集不在子项目集中时，则这个候选项直接删除。

3.根据权利要求2所述的一种卷包生产环节多指标波动关联分析方法，其特征在于：所述关联分析挖掘算法采用CoFlux算法，所述关联分析挖掘算法中对KPI指标波动关联关系结果的故障排查包括：报警压缩、推荐TOPN的可能原因以及构建异常波动传播链。

4.根据权利要求3所述的一种卷包生产环节多指标波动关联分析方法，其特征在于：所述关联分析挖掘算法中，通过输入KPI曲线的输出结果判断：KPI是否具备波动相关，如果相关，同时判断输出波动的先后顺序和波动的方向。

5.根据权利要求4所述的一种卷包生产环节多指标波动关联分析方法，其特征在于：对所述KPI是否具备波动相关性判断采用Cross-Correlation算法，通过所述Cross-Correlation算法测量波动特征的相关性结果。