[发明专利]一种基于密度的时序数据异常检测方法及装置

权利要求书

1.一种基于密度的时序数据异常检测方法，其特征在于，包括：

将待检测时序数据分成多段，每段为一个子序列；

计算每个子序列对应的特征向量；

基于预先获取的训练数据特征向量集，计算所述特征向量的局部异常因子，若判断获知所述局部异常因子大于预设阈值，则所述特征向量对应的子序列为异常数据。

2.根据权利要求1所述的方法，其特征在于，所述计算每个子序列对应的特征向量，具体为：

计算每个子序列的特征值，所述特征值包括每个子序列中所有数据点的数据值的平均值、标准差、最大值和最小值；

以所述特征值为向量元素构建每个子序列对应的特征向量。

3.根据权利要求1所述的方法，其特征在于，所述将待检测时序数据分成多个子序列，具体为：

计算所述待检测时序数据中每个数据点的速度，其中，当前数据点的速度为当前数据点和前一个数据点的数据值之差，与当前数据点和前一个数据点的时间戳之差的比值；

基于每个数据点的速度和预先获取的分段阈值，将所述待检测时序数据分成多个子序列。

4.根据权利要求1所述的方法，其特征在于，获取所述训练数据特征向量集的具体步骤如下：

将获取的样本时序数据分成多个样本子序列，所述样本时序数据中不包含异常数据；

计算每个样本子序列对应的特征向量，将所有样本子序列对应的特征向量的集合作为训练数据特征向量集。

5.一种基于密度的时序数据异常检测装置，其特征在于，包括：

分段模块，用于将待检测时序数据分成多段，每段为一个子序列；

计算模块，用于计算每个子序列对应的特征向量；

检测模块，用于基于预先获取的训练数据特征向量集，计算所述特征向量的局部异常因子，若判断获知所述局部异常因子大于预设阈值，则所述特征向量对应的子序列为异常数据。

6.一种用于检测时序数据中的异常数据的电子设备，其特征在于，包括：

存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。