CN113723734B 时序数据的异常监测方法、装置、电子设备和存储介质 （京东城市(北京)数字科技有限公司）

司地址100086北京市海淀区知春路76号(写KR20160070327A,2016.06.20Access.2020,第8卷39574-3Access.2020,第8卷39574-32将所述目标特征组合输入至多个异常监测模型，以生成每个所述根据每个所述异常监测模型输出的所述异常点和所述正常点从所述多个异常监测模根据所述目标特征组合和所述目标异常监测模型进行异所述根据每个所述异常监测模型输出的所述异常点和所述正常点从所述多个异常监根据所述异常点与所述正常点之间的距离从所述多个异常监测模型选择适于所述时根据所述相关性系数从所述多个特征组合之中选择所述计算每个所述特征组合之中所述多个特征之间的最小方差，数和所述最小方差从所述多个特征组合之中选择所获取所述多个异常点与所述正常点之间的平均距离，其中，根据常点之间的距离和所述平均距离从所述多个异常监测模型选择适于所述时序的目标异常获取所述时序数据的临近偏差特征、周期偏差特征、趋势偏第二生成单元，用于将所述目标特征组合输入至多个异3第二选择单元，用于根据每个所述异常监测模型输出的所述述多个异常监测模型选择适于所述时序的目标异常根据所述异常点与所述正常点之间的距离从所述多个异常监测模型选择适于所述时根据所述相关性系数从所述多个特征组合之中选择所述计算每个所述特征组合之中所述多个特征之间的最小方差，数和所述最小方差从所述多个特征组合之中选择所获取所述多个异常点与所述正常点之间的平均距离，其中，根据常点之间的距离和所述平均距离从所述多个异常监测模型选择适于所述时序的目标异常执行时实现如权利要求1-5中任一项所述的时序数45[0020]在本申请的一个实施例中，所述从所述多个特征组合之中选择所述目标特征组性系数和所述最小方差从所述多个特征组合之中选择所述[0027]根据每个所述异常监测模型输出的所述异常点和所述正常点从所述多个异常监[0031]根据所述异常点与所述正常点之间的距离从所述多个异常监测模型选择适于所述正常点之间的距离和所述平均距离从所述多个异常监测模型选择适于所述时序的目标6性系数和所述最小方差从所述多个特征组合之中选择所述从所述多个异常监测模型选择适于所述时序的目标异常监[0056]根据所述异常点与所述正常点之间的距离从所述多个异常监测模型选择适于所述正常点之间的距离和所述平均距离从所述多个异常监测模型选择适于所述时序的目标[0061]本申请第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程[0064]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得78-1可为上一时刻9[0101]在本申请实施例中，可通过下述公式(5)计算每个特征组合之中多个特征之间的(5)分别计算每个特征组合之中多个特征之间的相关性系数，并可将每个特[0106]在在本申请实施例中，可通过下述公式(6)计算每个特征组合之中多个特征之间可根据上述公式(6)分别计算每个特征组合之中多个特征之间的最小方差，并可将每个特还可通过上述公式(5)分别计算每个特征组合之中多个特征之间的相关性系数，并可将每接和有线网络连接的至少一种。服务器可将训练完成的多个异常监测模型发送给电子设[0115]步骤202，根据每个异常监测模型输出的异常点和正常点从多个异常监测模型选异常监测模型选择适于时序的目标异常监测模型，可包括获取异常点与正常点之间的距过上述公式(7)分别计算出每个异常监测模型输出的异常点与正常点之间的最近距离，并[0123]为了提高选择适于时序的目标异常监测模型的准确度，在本申请的一个实施例[0124]在本申请实施例中，可通过下述公式(8)计算多个异常点与正常点之间的平均距通过上述公式(8)分别计算出每个异常监测模型输出的多个异常点与正常点之间的最近距[0136]在本申请的一个实施例中，获取模块310具体可用于获取时序数据的临近偏差特[0140]在本申请的一个实施例中，第一选择单元322具体可用于计算每个特征组合之中[0141]在本申请的一个实施例中，第一选择单元322还可用于计算每个特征组合之中多[0144]第二选择单元332用于根据每个异常监测模型输出的异常点和正常点从多个异常[0146]在本申请的一个实施例中，第二选择单元332具体可用于获取