一种同构环境下计算节点异常检测方法

    公开(公告)号:CN104536996B

    公开(公告)日:2017-12-12

    申请号:CN201410769068.6

    申请日:2014-12-12

    Abstract: 本发明提供一种同构环境下计算节点异常检测方法,包括以下步骤:步骤1,将节点数据转换为标准形式;步骤2,提取特征数据;步骤3,采用cell‑based算法自动检测异常点。本发明提供计算节点异常检测方法,能够采用无指导的学习方法自动获取动态变化的异常检测阈值,能更好地适应异常频繁改变的场景,能够迅速地处理和分析从大型系统中采集到的节点信息,从而可以迅速地检测到同构环境下异常的计算节点。

    一种基于超度量距离矩阵的半监督层次聚类方法

    公开(公告)号:CN104391988A

    公开(公告)日:2015-03-04

    申请号:CN201410764758.2

    申请日:2014-12-12

    CPC classification number: G06F17/30598

    Abstract: 本发明提供一种基于超度量距离矩阵的半监督层次聚类方法,包括以下步骤:步骤1,定义不等式约束的闭凸集,并将参数估计投影到该闭凸集上;步骤2,通过减去投影中形成的变化向量的方法更新估计解向量;步骤3,进行迭代投影直到给定的约束固定集收敛到最小二乘最优解。本发明基于超度量树状图距离的半监督层次聚类构架为研究背景,采用基于优化的方式,提供一种基于超度量距离矩阵的半监督层次聚类方法,用于提高半监督层次聚类问题的效率和准确性。

    一种同构环境下计算节点异常检测方法

    公开(公告)号:CN104536996A

    公开(公告)日:2015-04-22

    申请号:CN201410769068.6

    申请日:2014-12-12

    CPC classification number: G06F11/0706

    Abstract: 本发明提供一种同构环境下计算节点异常检测方法,包括以下步骤:步骤1,将节点数据转换为标准形式;步骤2,提取特征数据;步骤3,采用cell-based算法自动检测异常点。本发明提供计算节点异常检测方法,能够采用无指导的学习方法自动获取动态变化的异常检测阈值,能更好地适应异常频繁改变的场景,能够迅速地处理和分析从大型系统中采集到的节点信息,从而可以迅速地检测到同构环境下异常的计算节点。

    一种基于事件关系网络的事件摘要方法

    公开(公告)号:CN104408294B

    公开(公告)日:2017-07-21

    申请号:CN201410607163.6

    申请日:2014-10-31

    Abstract: 本发明提供一种基于事件关系网络的事件摘要方法,包括以下步骤:步骤1,选取有序事件序列中任意两个事件类型作为关注事件类型,根据关注事件类型构造一个子事件序列,并构造该子事件序列的到达间隔直方图;步骤2,基于最短描述长度原则编码子事件序列中的片段;步骤3,基于启发式算法对子事件序列中的片段进行划分,计算子事件序列的最短编码长度;步骤4,构造事件关系网络刻画事件模式。本发明提供的方法依据最短描述长度原则对事件到达间隔直方图及其近似直方图进行编码,表达方式直观、易于理解,克服了需要事先确定组数和频数的不足,并能识别不相交的直方图集合。

    一种基于事件关系网络的事件摘要方法

    公开(公告)号:CN104408294A

    公开(公告)日:2015-03-11

    申请号:CN201410607163.6

    申请日:2014-10-31

    Abstract: 本发明提供一种基于事件关系网络的事件摘要方法,包括以下步骤:步骤1,选取有序事件序列中任意两个事件类型作为关注事件类型,根据关注事件类型构造一个子事件序列,并构造该子事件序列的到达间隔直方图;步骤2,基于最短描述长度原则编码子事件序列中的片段;步骤3,基于启发式算法对子事件序列中的片段进行划分,计算子事件序列的最短编码长度;步骤4,构造事件关系网络刻画事件模式。本发明提供的方法依据最短描述长度原则对事件到达间隔直方图及其近似直方图进行编码,表达方式直观、易于理解,克服了需要事先确定组数和频数的不足,并能识别不相交的直方图集合。

Patent Agency Ranking