[发明专利]运维指标监控模型训练方法、装置及数据滤波方法

权利要求书

1.一种运维指标监控模型训练方法，其特征在于，包括：

确定第一训练数据集；

确定目标滤波器，其中，所述目标滤波器中包括空间核，值域核和时域核；

基于所述目标滤波器对所述第一训练数据集进行滤波，得到第二训练数据集；

基于所述第二训练数据集对所述运维指标监控模型进行训练。

2.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，确定第一训练数据集包括：

确定所述运维指标监控模型的预测窗口的大小；

确定多个样本，以及所述多个样本中的每个样本对应的采样周期，其中，所述样本为服务器；

确定所述多个样本中的每个样本对应的采样点，其中，所述每个样本对应的采样点的数量与所述预测窗口的大小相同，所述采样点中包括表示采样时间点的时间戳，以及在所述采样时间点采样得到的所述样本的目标运维指标的指标值，所述目标运维指标为所述运维指标监控模型监控的指标；

确定所述多个样本中的每个样本对应的标签；

确定所述第一训练数据集中的样本集和标签集，其中，所述样本集中包括所述多个样本中的每个样本对应的采样点，所述标签集中包括所述多个样本中的每个样本对应的标签。

3.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，确定目标滤波器包括：

确定空间目标函数，值域目标函数，以及时域目标函数；

依据所述空间目标函数，所述值域目标函数，以及所述时域目标函数构建所述目标滤波器的权重规范项，其中，所述空间目标函数和所述权重规范项组成部分中的空间部分为所述空间核，所述值域目标函数和所述权重规范项组成部分中的值域部分为所述值域核，所述时域目标函数和所述权重规范项组成部分中的时域部分为所述时域核；

依据所述权重规范项，所述空间目标函数，所述值域目标函数，以及所述时域目标函数构建所述目标滤波器，其中，所述目标滤波器用于对所述第一训练数据集进行双边滤波。

4.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，所述目标滤波器用于对所述第一训练数据集降噪，其中，

所述空间核用于对所述第一训练数据集中的第一样本降噪，其中，所述第一样本为所述第一训练数据集中的样本值方差小于第一预设方差阈值的样本；

所述值域核用于对所述第一训练数据集中的第二样本降噪，其中，所述第二样本为所述第一训练数据集中的样本值方差大于第一预设方差阈值的样本；

所述时域核用于对所述第一训练数据集中的第三样本降噪，其中，所述第三样本为所述第一训练数据集中的采样周期方差大于第二预设方差阈值的样本。

5.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，基于所述目标滤波器对所述训练数据集进行滤波，得到第二训练数据集包括：

确定所述目标滤波器的滤波步长，其中，所述滤波步长大于1；

按照所述滤波步长，基于所述目标滤波器对所述训练数据集进行降采样，得到所述第二训练数据集。

6.根据权利要求1所述的运维指标监控模型训练方法，其特征在于，基于所述目标滤波器对所述第一训练数据集进行滤波，得到第二训练数据集包括：

确定所述第一训练数据集中的样本集对应的样本集矩阵，以及所述第一训练数据集中的样本的标签集对应的标签集矩阵，其中，所述样本集矩阵中的元素为每个样本对应的采样点，所述采样点中包括表示采样时间点的时间戳，以及在所述采样时间点采样得到的所述样本的目标运维指标的指标值，所述目标运维指标为所述运维指标监控模型监控的指标，所述标签集矩阵中的元素为所述每个样本对应的标签；

将所述样本集矩阵和所述标签集矩阵合并为与所述第一训练数据集对应的第一增广矩阵；

基于所述目标滤波器对所述第一增广矩阵进行滤波，得到第二增广矩阵，并将所述第二增广矩阵作为所述第二训练数据集。