[发明专利]流量的分类方法、装置、电子设备及计算机可读介质

权利要求书

1.一种流量的分类方法，其特征在于，包括：

获取从客户端采集的流量序列，并根据预先训练的流量分割模型对所述流量序列进行分割，得到所述流量序列对应的流量时序片段；

确定所述流量时序片段与历史流量模板库中的历史流量时序片段之间的序列相似度距离；

根据所述流量时序片段与所述历史流量时序片段之间的序列相似度距离，确定所述流量时序片段的流量类型。

2.根据权利要求1所述的流量的分类方法，其特征在于，所述流量分割模型为二分类模型，所述根据预先训练的流量分割模型对所述流量序列进行分割，得到所述流量序列对应的流量时序片段，包括：

将所述流量序列中的各个序列点按照时间倒序依次输入预先训练的流量分割模型中，确定各个所述序列点对应的输出类型；

若所述序列点在所述流量分割模型的输出类型为不分割序列点，则继续进行下一序列点的分类；

若所述序列点在所述流量分割模型的输出类型为分割序列点，则在所述分割序列点对所述流量序列进行分割，得到所述流量序列对应的流量时序片段。

3.根据权利要求2所述的流量的分类方法，其特征在于，所述流量分割模型的训练方法包括：

将所述历史流量模板库中的所述历史流量时序片段作为所述流量分割模型的训练样本，并获取所述历史流量时序片段的时序特征；

根据所述历史流量时序片段的时序特征，以及所述历史流量时序片段中各个序列点的分割类型，训练所述流量分割模型。

4.根据权利要求1所述的流量的分类方法，其特征在于，所述确定所述流量时序片段与历史流量模板库中的历史流量时序片段之间的序列相似度距离，包括：

根据所述流量时序片段中各个序列点的值，以及所述历史流量模板库中的历史流量时序片段中各个序列点的值，得到所述流量时序片段与所述历史流量时序片段之间的动态时间弯曲距离；

将所述流量时序片段与所述历史流量时序片段之间的动态时间弯曲距离作为所述序列相似度距离。

5.根据权利要求1所述的流量的分类方法，其特征在于，所述根据所述流量时序片段与所述历史流量时序片段之间的序列相似度距离，确定所述流量时序片段的流量类型，包括：

判断所述流量时序片段与所述历史流量时序片段之间的序列相似度距离是否小于或等于相似度距离阈值；

若所述序列相似度距离小于或等于所述相似度距离阈值，则对所述流量时序片段以及所述历史流量时序片段进行聚类，并根据聚类后的所述历史流量时序片段对应的历史流量类型确定所述流量时序片段的流量类型；

若所述序列相似度距离大于所述相似度距离阈值，则将所述流量时序片段的流量类型确定为新增流量类型。

6.根据权利要求5所述的流量的分类方法，其特征在于，所述判断所述流量时序片段与所述历史流量时序片段之间的序列相似度距离是否小于或等于相似度距离阈值，包括：

获取所述流量时序片段与所述历史流量时序片段之间的动态时间弯曲距离的拐点个数；

若所述拐点个数小于或等于拐点阈值，则判定所述流量时序片段与所述历史流量时序片段之间的序列相似度距离小于或等于相似度距离阈值。

7.根据权利要求5所述的流量的分类方法，其特征在于，所述方法还包括：

若所述流量时序片段的流量类型为所述历史流量类型，则根据所述流量时序片段更新所述历史流量类型对应的历史流量时序片段的中心曲线；

若所述流量时序片段的流量类型为所述新增流量类型，则根据所述流量时序片段在所述历史流量模板库中生成所述新增流量类型对应的中心曲线。

8.根据权利要求5所述的流量的分类方法，其特征在于，所述方法还包括：

若所述流量时序片段的流量类型为所述历史流量类型中的异常流量类型，则根据所述异常流量类型触发对应的异常预警信息。