申请/专利权人:腾讯科技(深圳)有限公司;南开大学
申请日:2021-01-31
公开(公告)日:2024-04-16
公开(公告)号:CN113568819B
主分类号:G06F11/34
分类号:G06F11/34
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2022.10.11#实质审查的生效;2021.10.29#公开
摘要:本申请属于人工智能技术领域,具体涉及一种异常数据检测方法、装置、介质以及电子设备。该方法包括:对包括多种指标类型的指标数据样本进行聚类处理得到多个样本集群,指标数据样本是按照时间顺序排列的数据序列;以样本集群的聚类中心作为训练样本,训练得到与样本集群相对应的基础检测模型,基础检测模型用于检测指标数据中的异常数据;以目标类型的指标数据样本作为训练样本,对目标类型的指标数据样本所在样本集群的基础检测模型进行迁移学习,得到与目标类型相对应的目标检测模型;通过目标检测模型对目标类型的待测指标数据进行异常检测,得到待测指标数据中的异常数据。该方法可以提高异常数据检测效率,降低异常数据检测成本。
主权项:1.一种异常数据检测方法,其特征在于,包括:对包括多种指标类型的指标数据样本进行基线提取,得到各个所述指标数据样本的样本基线;所述指标数据样本是按照时间顺序排列的数据序列;从所述样本基线中提取对应于同一时间周期的多个子曲线;对所述子曲线进行聚类处理,得到由所述指标数据样本组成的多个样本集群;以所述样本集群的聚类中心作为训练样本,训练得到与所述样本集群相对应的基础检测模型,所述基础检测模型用于检测指标数据中的异常数据;所述指标数据是服务系统在运行过程中产生的关键性能指标;以目标类型的指标数据样本作为训练样本,对所述目标类型的指标数据样本所在样本集群的基础检测模型进行迁移学习,得到与所述目标类型相对应的目标检测模型;通过所述目标检测模型对所述目标类型的待测指标数据进行异常检测,得到所述待测指标数据中的异常数据。
全文数据:
权利要求:
百度查询: 腾讯科技(深圳)有限公司;南开大学 异常数据检测方法、装置、计算机可读介质及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。