[发明专利]一种系统异常诊断方法和装置

权利要求书

1.一种系统异常诊断方法，其特征在于，所述方法包括：

采集系统监控数据，并对所述系统监控数据进行预处理获取第一数据；

从所述第一数据中选择出第一特征数据，所述第一特征数据具有满足预设要求的特征；

将所述第一特征数据按照迭代的顺序依次输入预设的聚类模型中，根据所述聚类模型的输出结果判断所述第一特征数据是否属于预设的目标类集合；

当所述第一特征数据不属于所述目标类集合时，判定当前系统处于正常状态；当所述第一特征数据属于所述目标类集合时，将所述第一特征数据输入预先训练好的分类模型中，根据所述分类模型的分类结果判断当前系统是否处于异常状态；其中，所述分类模型是以相对平衡的数据集作为分类训练集对预设的分类器进行训练获得的，所述相对平衡的数据集的获得包括：对采集的系统监控数据进行预处理获取第二数据；从所述第二数据中选择出第二特征数据，并将所述第二特征数据划分成第一训练数据集和验证数据集；将所述第一训练数据集输入预设的迭代聚类模型，以通过所述迭代聚类模型对所述第一训练数据进行迭代聚类，获得将所述相对平衡的数据集；

所述通过所述迭代聚类模型对所述第一训练数据进行迭代聚类，包括：

采用聚类模型对所述第一训练数据集进行聚类，聚为q个类，得到目标类集合，其中q为正整数；将所述聚类模型应用到所述验证数据集，如果所述聚类模型对所述验证数据集的聚类效果的覆盖率不小于预设的覆盖率阈值，并且每次迭代删除的多样样本数量不小于预设数量阈值，则接受聚类模型M，删除不属于所述目标类集合的所有训练样本，得到相对平衡的数据集；

其中，所述覆盖率定义为验证数据集中覆盖异常样本的目标类集合中的异常样本数量占验证数据集中的异常样本数量的比例。

2.根据权利要求1所述的系统异常诊断方法，其特征在于，所述对所述系统监控数据进行预处理获取第一数据，包括：

对所述系统监控数据进行向量初始化，获取第一初始特征矩阵；

将所述第一初始特征矩阵中的每个特征分别进行中心标准化处理，得到第一新特征矩阵，作为所述第一数据。

3.根据权利要求1所述的系统异常诊断方法，其特征在于，所述从所述第一数据中选择出第一特征数据，包括：

采用基于互信息的最小冗余最大相关方法从所述第一数据中选出与预设的异常状态之间的互信息值最大的一个或多个特征，组成所述第一特征数据。

4.根据权利要求1所述的系统异常诊断方法，其特征在于，所述聚类模型，用于采用学习向量量化聚类算法对所述第一特征数据集进行聚类。

5.根据权利要求1所述的系统异常诊断方法，其特征在于，在将所述第一特征数据输入预先训练好的分类模型中之前，所述方法还包括：

调取预先存储的训练好的分类模型；或者，

获取所述分类训练集，并通过所述分类训练集对预设的分类器进行训练，获取所述分类模型。

6.根据权利要求5所述的系统异常诊断方法，其特征在于，将所述相对平衡的数据集，作为所述分类训练集；所述相对平衡的数据集是指所包含的正常状态的样本数量与异常状态的样本数量的比值满足预设的比值范围的数据集。

7.根据权利要求1所述的系统异常诊断方法，其特征在于，所述对采集的系统监控数据进行预处理获取第二数据，包括：

对所述系统监控数据进行向量初始化，获取第二初始特征矩阵；将所述第二初始特征矩阵中的每个特征分别进行中心标准化处理，得到第二新特征矩阵，作为所述第二数据；

所述从所述第二数据中选择出第二特征数据，包括：

采用基于互信息的最小冗余最大相关方法从所述第二数据中选出与预设的异常状态之间的互信息值最大的一个或多个特征，组成所述第二特征数据。

8.根据权利要求5所述的系统异常诊断方法，其特征在于，所述预设的分类器包括：代价敏感的支持向量分类器CS-SVM。

9.一种系统异常诊断装置，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令被所述处理器执行时，实现如权利要求1-8任意一项所述的系统异常诊断方法。