[发明专利]数据分析方法、装置、存储介质及电子设备

说明书

本公开涉及一种数据分析方法、装置、存储介质及电子设备，能够基于对历史运行数据的分析，实现自动化地设备状态评估。所述方法包括：将目标设备的历史运行数据及各历史运行数据所属的数据类别输入字典学习模型进行训练，以获得字典及分类器；采集所述目标设备的运行数据；根据所述运行数据及所述字典，计算所述运行数据的稀疏表示；根据所述稀疏表示及所述分类器，确定所述运行数据的数据类别，以评估所述目标设备的运行状态。

技术领域

本公开涉及计算机技术领域，具体地，涉及一种数据分析方法、装置、存储介质及电子设备。

背景技术

在IT运维监控领域，常常需要监控大量的运行数据，对这些大量的运行数据进行数据分析，可以提取出有用信息和形成结论，有利于对数据加以详细研究和概括总结。比如，为了评估设备的运行状态，可以对设备在历史运行过程中的运行数据进行分析，等等。

目前，可以通过计算大量数据的平均值、方程、标准差等方式来对数据进行分析。可见，现有的数据分析方式较为简单，缺少对大量数据的有效利用，挖掘的信息量有限。

发明内容

本公开的目的是提供一种数据分析方法、装置、存储介质及电子设备，能够基于对历史运行数据的分析，实现自动化地设备状态评估。

根据本公开实施例的第一方面，提供一种数据分析方法，包括：

将目标设备的历史运行数据及各历史运行数据所属的数据类别输入字典学习模型进行训练，以获得字典及分类器；

采集所述目标设备的运行数据；

根据所述运行数据及所述字典，计算所述运行数据的稀疏表示；

根据所述稀疏表示及所述分类器，确定所述运行数据的数据类别，以评估所述目标设备的运行状态。

可选的，将目标设备的历史运行数据及各历史运行数据所属的数据类别输入字典学习模型进行训练，以获得字典及分类器，包括：

将所述目标设备的历史运行数据矩阵Y及各历史运行数据所属的数据类别矩阵H输入以下字典学习模型进行训练，以获得字典D及分类器W：

其中，X为所述历史运行数据的稀疏表达矩阵，γ为设定参数，x_i为X中的第i列，是矩阵Y中第i列历史运行数据对应的稀疏表示，T为稀疏度。

可选的，在将目标设备的历史运行数据及各历史运行数据所属的数据类别输入字典学习模型进行训练之前，还包括：

基于预设的理想稀疏编码，构建所述字典学习模型。

可选的，将目标设备的历史运行数据及各历史运行数据所属的数据类别输入字典学习模型进行训练，以获得字典及分类器，包括：

将所述目标设备的历史运行数据矩阵Y及各历史运行数据所属的数据类别矩阵H输入以下字典学习模型进行训练，以获得字典D及分类器W：

其中，X为所述历史运行数据的稀疏表达矩阵，α及β为设定参数，Q为所述理想稀疏编码，A为一线性变换矩阵，x_i为X中的第i列，是矩阵Y中第i列历史运行数据对应的稀疏表示，T为稀疏度。

可选的，令所述运行数据为y，根据所述运行数据及所述字典，计算所述运行数据的稀疏表示，包括：

按照y＝Dx计算所述运行数据的稀疏表示，其中，x为y稀疏表示；

根据所述稀疏表示及所述分类器，确定所述运行数据的数据类别，包括：

将稀疏表示x与分类器W的乘积确定为所述运行数据的数据类别。