CN119475148A 一种基于动态阈值和模式挖掘的异常数据预测方法及系统 （中盈优创资讯科技有限公司）_第1页
CN119475148A 一种基于动态阈值和模式挖掘的异常数据预测方法及系统 （中盈优创资讯科技有限公司）_第2页
CN119475148A 一种基于动态阈值和模式挖掘的异常数据预测方法及系统 （中盈优创资讯科技有限公司）_第3页
CN119475148A 一种基于动态阈值和模式挖掘的异常数据预测方法及系统 （中盈优创资讯科技有限公司）_第4页
CN119475148A 一种基于动态阈值和模式挖掘的异常数据预测方法及系统 （中盈优创资讯科技有限公司）_第5页
已阅读5页，还剩22页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于动态阈值和模式挖掘的异常数据本发明公开一种基于动态阈值和模式挖掘通过对历史监控数据的关联规则和序列模式挖方法及系统通过自适应动态阈值和异常模式挖2通过对历史监控数据的关联规则和序列模式挖掘，识别出不同数据采基于历史监控数据的均值和标准差，设定动态阈值范将历史监控数据按照时间顺序划分为多个时间窗口，并提取时间窗口中的监控指标关联规则和序列模式挖掘模块，用于通过对历史监控数据的关联规则和序列模式挖预测性预警模块，用于通过匹配实时数据与历史模式，预测出将历史监控数据按照时间顺序划分为多个时间窗口，并提取时间窗口中的监控指标38.一种计算机可读存储介质，其特征在于，所述计算机可4这会给业务系统带来潜在的风险，因为这些异常数据可能已经被处理或传递到其他系统，5[0013]在本发明一实施例中，提出了一种基于动态阈值和模式挖掘的异常数据预测方存储有执行基于动态阈值和模式挖掘的异常数据预测方法的6量历史监控数据中自动提炼出复杂的异常模式。这不仅极大拓展了系统的数据洞察能力，还能精准捕捉到各个监控指标之间的潜在联系和趋势变化，构建出高维度的异常检测框[0043]图1是本发明一实施例的基于动态阈值和模式挖掘的异常数据预测方法流程示意法，通过自适应动态阈值和异常模式挖掘，实现数据采集过程中异常的智能预测预警，从7[0056]系统通过实时模式匹配和预测性分析来识别潜在的异常情况。在数据采集过程[0057]需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操[0058]为了对上述基于动态阈值和模式挖掘的异常数据预测方[0062]关联规则和序列模式挖掘的目的是通过分析历史监控数据中不同监控指标之间[0066]从不同数据采集源(如服务器监控系统、网络流量监控系统等)收集历史监控数8[0079]频繁项集生成：通过扫描经步骤1处理后的历史监控数据，找到频繁出现的项集[0088]支持度是指数据流量>60MB/s且CPU使用率>75％且网络延迟>100ms同时发生的记9[0105]GSP算法是一种经典的序列模式挖掘算法，旨在通过时间序列分析找到频繁的序控系统需要根据新的数据点动态调整阈值范围，确保阈值范围能够跟随当前负载的变化，[0142]可以基于这组新的数据点重新计算均值和标准差，参数以上第2步公式可以算出[0158]系统检测到数据流量和CPU使用率正在逐步增加，且网络延迟和响应时间也明显[0163]当数据流量和CPU使用率在连续几分钟内逐步上升，且网络延迟和响应时间显著[0177]关联规则和序列模式挖掘模块101，用于通过对历史监控数据的关联规则和序列述的一个模块的特征和功能可以进一步划分为由多个模210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序230，处理器220执行计算机程序230时设计前述基于

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论