公开(公告)号：CN113553232B

公开(公告)日：2023-12-05

申请号：CN202110783748.3

申请日：2021-07-12

Applicant: 厦门大学

Inventor： 赵万磊 ,  兰诗莹 ,  陈润青 ,  雷蕴奇

IPC: G06F11/07 ,  G06F11/30 ,  G06F11/34 ,  G06F18/2433 ,  G06F18/22 ,  G06F18/15 ,  G06F123/02

Abstract: 本发明公开了一种通过在线矩阵画像对运维数据进行无监督异常检测方法，其首先采用窗口大小为m的滑动窗口将时间序列X分为多个子序列Xi，m；然后基于多个子序列Xi，m构建在线矩阵画像P＝{p1，…，pt，…，pn‑m+1}；最后通过在线矩阵画像算法计算出最近邻子序列，并利用最近邻子序列计算出xt的距离显著性rt，若距离显著性rt大于预定义阈值τ，则被认为是异常，否则被认为是正常。本发明能够进行无监督单变量时间序列异常检测任务，不需要进行任何模型地训练且能高效准确地找出异常。

公开(公告)号：CN113553232A

公开(公告)日：2021-10-26

申请号：CN202110783748.3

申请日：2021-07-12

Applicant: 厦门大学

Inventor： 赵万磊 ,  兰诗莹 ,  陈润青 ,  雷蕴奇

IPC: G06F11/30 ,  G06F11/34 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种通过在线矩阵画像对运维数据进行无监督异常检测方法，其首先采用窗口大小为m的滑动窗口将时间序列X分为多个子序列Xi，m；然后基于多个子序列Xi，m构建在线矩阵画像P＝{p1，…，pt，…，pn‑m+1}；最后通过在线矩阵画像算法计算出最近邻子序列，并利用最近邻子序列计算出xt的距离显著性rt，若距离显著性rt大于预定义阈值τ，则被认为是异常，否则被认为是正常。本发明能够进行无监督单变量时间序列异常检测任务，不需要进行任何模型地训练且能高效准确地找出异常。