[发明专利]关键性能指标数据的异常检测方法及装置

权利要求书

1.一种关键性能指标数据的异常检测方法，其特征在于，所述方法包括：

对待检测的第一关键性能指标数据进行基线提取，得到第一基线；

计算所述第一基线与预先确定的至少一个类别对应的聚类中心的距离，并根据所述距离确定所述第一基线所属的类别；

获取所述第一基线所属的类别对应的异常检测模型；

根据所述异常检测模型，对所述第一关键性能指标数据进行异常检测。

2.根据权利要求1所述的关键性能指标数据的异常检测方法，其特征在于，所述对待检测的第一关键性能指标数据进行基线提取，得到第一基线之前，还包括：

对所述第一关键性能指标数据进行预处理，得到预处理后的第一关键性能指标数据；

所述对待检测的第一关键性能指标数据进行基线提取，得到第一基线，包括：

对所述预处理后的第一关键性能指标数据进行滑动平均处理，得到第一基线。

3.根据权利要求1所述的关键性能指标数据的异常检测方法，其特征在于，所述计算所述第一基线与预先确定的至少一个类别对应的聚类中心的距离之前，还包括：

对多个第二关键性能指标数据进行聚类处理，确定至少一个类别；

针对每个类别，根据所述类别对应的第二关键性能指标数据，获取所述类别对应的聚类中心，并根据所述聚类中心对应的第二关键性能指标数据，训练得到所述类别对应的异常检测模型。

4.根据权利要求3所述的关键性能指标数据的异常检测方法，其特征在于，所述对多个第二关键性能指标数据进行聚类处理，确定至少一个类别，包括：

对所述多个第二关键性能指标数据进行预处理，得到预处理后的多个第二关键性能指标数据；

对所述预处理后的多个第二关键性能指标数据分别进行基线提取，得到预处理后的各个第二关键性能指标数据分别对应的第二基线；

获取所述预处理后的各个第二关键性能指标数据分别对应的第二基线之间的基于形状的距离；

根据所述基于形状的距离，结合基于密度的聚类算法，对所述预处理后的各个第二关键性能指标数据分别对应的第二基线进行聚类处理，确定至少一个类别。

5.根据权利要求4所述的关键性能指标数据的异常检测方法，其特征在于，所述根据所述基于形状的距离，结合基于密度的聚类算法，对所述预处理后的各个第二关键性能指标数据分别对应的第二基线进行聚类处理，确定至少一个类别，包括：

针对每个第二基线，获取所述第二基线与所述第二基线的第k邻近的第二基线之间的距离，以得到多个距离，其中，k为每个类别中包含的最少第二基线的数量；

对所述多个距离进行排序，得到距离曲线；

根据所述距离曲线，采用启发式的二分搜索算法，获取至少一个候选密度半径；

将所述至少一个候选密度半径中，不大于所述基于形状的距离的最大候选密度半径确定为目标密度半径；

基于所述目标密度半径，对所述预处理后的各个第二关键性能指标数据分别对应的第二基线进行聚类处理。

6.根据权利要求1所述的关键性能指标数据的异常检测方法，其特征在于，所述距离为基于形状的距离；

所述根据所述距离确定所述第一基线所属的类别，包括：

将所述第一基线与预先确定的至少一个类别对应的聚类中心的基于形状的距离中，最小距离对应的类别确定为所述第一基线所属的类别。

7.一种关键性能指标数据的异常检测装置，其特征在于，所述装置包括：

提取模块，用于对待检测的第一关键性能指标数据进行基线提取，得到第一基线；

确定模块，用于计算所述第一基线与预先确定的至少一个类别对应的聚类中心的距离，并根据所述距离确定所述第一基线所属的类别；

第一获取模块，用于获取所述第一基线所属的类别对应的异常检测模型；

检测模块，用于根据所述异常检测模型，对所述第一关键性能指标数据进行异常检测。