[發明專利]一種時序數據異常標注的方法、系統及相關組件

在審

• 申請號: 202010993829.1
• 申請日: 2020-09-21
• 公開（公告）號: CN112181792A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 蘇海明
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N3/08
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 鄧靜

1.一種時序數據異常標注的方法，其特征在于，所述方法包括：

采集系統運行的性能數據；

利用無監督式機器學習算法對所述性能數據進行異常標注，得到第一異常標注數據；

利用有監督式機器學習模型對所述第一異常標注數據進行判定，得到第二異常標注數據，所述第二異常標注數據隸屬于所述第一異常標注數據。

2.如權利要求1所述的方法，其特征在于，所述采集系統運行的性能數據，具體包括：

按照采集指標項采集所述性能數據；其中，所述指標項包括：cpu利用率，cpu用戶利用率，內存利用率，磁盤使用率。

3.如權利要求1所述的方法，其特征在于，所述利用無監督式機器學習算法對所述性能數據進行異常標注，得到第一異常標注數據，具體包括：

利用至少兩種無監督式機器學習算法對所述性能數據進行異常標注，并對所述至少兩種無監督式機器學習算法各自得到的異常標注數據取并集，得到所述第一異常標注數據。

4.如權利要求1所述的方法，其特征在于，所述利用有監督式機器學習模型對所述第一異常標注數據進行判定，得到第二異常標注數據之后，所述方法還包括：

將所述第二異常標注數據進行修正，得到修正數據；

利用所述修正數據對所述有監督式機器學習模型進行模型優化。

5.一種時序數據異常標注的系統，其特征在于，包括：

采集模塊，用于采集系統運行的性能數據；

第一處理模塊，用于利用無監督式機器學習算法對所述性能數據進行異常標注，得到第一異常標注數據；

第二處理模塊，用于利用有監督式機器學習模型對所述第一異常標注數據進行判定，得到第二異常標注數據，所述第二異常標注數據隸屬于所述第一異常標注數據。

6.如權利要求5所述的系統，其特征在于，所述采集模塊，具體用于按照采集指標項采集所述性能數據；其中，所述指標項包括：cpu利用率，cpu用戶利用率，內存利用率，磁盤使用率。

7.如權利要求5所述的系統，其特征在于，所述第一處理模塊，具體用于利用至少兩種無監督式機器學習算法對所述性能數據進行異常標注，并對所述至少兩種無監督式機器學習算法各自得到的異常標注數據取并集，得到所述第一異常標注數據。

8.如權利要求5所述的系統，其特征在于，所述系統還包括：

修正模塊，用于將所述第二異常標注數據進行修正，得到修正數據；

模型優化模塊，用于利用所述修正數據對所述有監督式機器學習模型進行模型優化。

9.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，該程序被處理器執行時實現權利要求1-4任一項所述方法的步驟。

10.一種計算機設備，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現權利要求1-4任一項所述方法的步驟。