[发明专利]检测数据状态的方法、装置、计算机设备和存储介质

权利要求书

1.一种检测数据状态的方法，其特征在于，所述方法包括：

获取预设时间段内的时间序列数据；

按照预设特征提取规则提取所述时间序列数据中的特征，得到目标特征；

通过多个不同的异常数据检测模型对所述目标特征进行检测，输出所述时间序列数据在各个所述异常数据检测模型中的异常概率；

输入所述时间序列数据在各个所述异常数据检测模型的异常概率至投票器，通过比较所述投票器中各个所述异常数据检测模型对应的异常概率阈值和所述异常概率，得到比较结果，根据所述比较结果投票决定所述时间序列数据的数据状态。

2.根据权利要求1所述的方法，其特征在于，生成所述投票器，包括：

获取多个训练数据对应的目标特征，所述训练数据包括多个时间段的时间序列数据，所述训练数据携带数据标准状态；

输入各个所述训练数据对应的目标特征至各个所述异常数据检测模型，得到各个所述训练数据在各个所述异常数据检测模型的异常概率；

通过初始投票器中的各个所述异常数据检测模型的初始异常概率阈值和对应的异常概率的比较结果，对各个所述训练数据的比较结果进行投票表决，得到对应的数据预测状态；

输入各个所述训练数据的数据预测状态和对应的所述数据标准状态至优化函数，得到对应的优化值；

当所述优化值满足所述预设优化条件时，得到所述投票器。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述优化值未满足所述预设优化条件时，根据所述预设优化条件和所述优化值更新所述初始投票器中的各个所述异常数据检测模型的初始异常概率阈值，得到中间投票器；

执行输入各个所述时间段的时间序列数据在各个所述异常数据检测模型的异常概率至所述中间投票器，直至所述中间投票器的优化值满足所述预设优化条件时，得到所述投票器。

4.根据权利要求2所述的方法，其特征在于，所述优化函数为其中，Y_i为第i条训练数据X_i的数据标准状态，F(X_i/t_i,...,t_k)为第i条训练数据X_i的数据预测状态，F表示投票器的投票函数，t₁，...，t_k分别表示第1个至第k个异常数据检测模型的异常概率阈值，k表示异常数据检测模型的个数，a为权重系数。

5.根据权利要求4所述的方法，其特征在于，所述a大于1。

6.根据权利要求4所述的方法，其特征在于，所述F表示投票器的投票函数具体如下：

F(X)＝if(sum(if(f₁(X))≥t₁,1,0),...,if(f_m(X))≥t_m,1,0)..,if(f_n(X))≥t_n,1,0))≥m,1,0)

其中nm/2，n表示异常数据检测模型的数量，if(A,1,0)表示若条件A成立，则取值1，否则取值0。

7.根据权利要求2至6中任一项所述的方法，其特征在于，数据检测模型为多个不同的异常数据检测模型中的任意一个，生成数据检测模型，包括：

输入各个所述训练数据的目标特征至初始数据检测模型，得到各个所述训练数据的初始预测状态；

计算各个所述训练数据的初始预测状态和对应的数据标准状态的差异度；

当所述差异度小于或等于预设差异度时，得到所述数据检测模型。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

当所述差异度大于所述预设差异度时，根据所述差异度更新所述初始数据检测模型的模型参数，得到中间数据检测模型，执行所述各个所述训练数据的目标特征至初始数据检测模型，得到各个所述训练数据的中间预测状态，直至所述中间数据检测模型的中间预测状态与所述对应的数据标准状态的差异度，小于或等于所述预设差异度时，得到所述数据检测模型。