[发明专利]确定黑盒系统输入输出关联度的方法、装置以及系统

权利要求书

1.一种确定黑盒系统输入输出关联度的方法，其特征在于，包括：

将黑盒系统中的业务质量指标KQI数据与关键性能指标KPI数据匹配构成数据向量空间；

根据所述KQI数据的业务类型对所述KPI数据进行聚类，其中，聚类结果用于选择正交的强相关KPI项，及辅助判决指标数据健康度；

对所述数据向量空间进行分解，以分离出所述KPI数据对所述KQI数据的关联特征，并计算所述KPI数据对所述KQI数据的归一化关联度；

根据所述归一化关联度分别确定出与每个所述KQI数据相关联的KPI数据，并计算出所述相关联的KPI数据对所述KQI数据的关联权重；

将所述相关联的KPI数据和所述关联权重确定为所述黑盒系统的输入输出关联度。

2.根据权利要求1所述的方法，其特征在于，将业务质量指标KQI数据与关键性能指标KPI数据匹配构成数据向量空间以分离出所述KPI数据对所述KQI数据的关联度包括：

将KQI数据与KPI数据在一个或多个维度匹配构成数据向量空间以分离出所述KPI数据对所述KQI数据的关联度。

3.根据权利要求1所述的方法，其特征在于，根据所述KQI数据的业务类型对所述KPI数据进行聚类包括：

将所述KQI数据和所述KPI数据分成KQI数据层和KPI数据层；

在所述KQI数据层和所述KPI数据层之间加入与所述KQI数据对应的业务类型相关的抽象层参数，其中，抽象层对KPI数据进行规整或映射变换，以适合相应的挖掘算法；

使用所述抽象层参数对KPI数据进行聚类。

4.根据权利要求1所述的方法，其特征在于，对所述数据向量空间进行分解包括：

对所述数据向量空间通过以下方式至少之一进行分解，分离出所述KPI数据对所述KQI数据的关联特征：在空间维度降维、在空间维度直接分割、在空间维度升维。

5.根据权利要求1所述的方法，其特征在于，将业务质量指标KQI数据与关键性能指标KPI数据匹配构成数据向量空间以分离出所述KPI数据对所述KQI数据的关联度包括：

按照所述KQI数据的业务特性信息对所述KPI数据进行分布拟合和图形展示，并确定合理KPI数据；

将KQI数据与所述合理KPI数据匹配构成数据向量空间以分离出所述KPI数据对所述KQI数据的关联度。

6.根据权利要求5所述的方法，其特征在于，所述业务特性信息是根据匹配预设数据库和/或根据业务需求得到的。

7.根据权利要求1所述的方法，其特征在于，对所述数据向量空间进行分解包括：

对所述数据向量空间进行降维处理；

对所述数据向量空间直接分解；

对所述数据向量空间进行扩维后再提取有效特征值。

8.根据权利要求7所述的方法，其特征在于，对所述数据向量空间降维处理包括以下方法至少之一：

决策树剪枝、回归合并、聚类、专家辅助判决。

9.根据权利要求7所述的方法，其特征在于，对所述数据向量空间直接分解包括：

基于贝叶斯统计算法对所述数据向量空间进行分解；

基于奇异值分解思路的等效数值计算。

10.根据权利要求7所述的方法，其特征在于，对所述数据向量空间进行扩维后再进行分解包括：

基于支持向量机SVM的算法对所述数据向量空间进行扩维后再进行分解；

基于神经网络算法的扩维处理，即隐层单元个数高于输入维数。

11.根据权利要求1至10任意一项所述的方法，其特征在于，在根据所述归一化关联度分别确定出与每个所述KQI数据相关联的KPI数据之后，所述方法还包括：

计算与每个所述KQI数据相关联的KPI数据的量化一维门限或多维门限；

根据所述量化一维门限或多维门限得到所述KQI数据超限的误判率和/或漏判率；

根据所述漏判率和/或漏判率分析所述相关联的KPI数据是否包含所述KQI数据超限空间的完备基。