| 基于多维度特征分析的KPI异常检测 |
| |
| 引用本文： | 曹志英,曹伟,张秀国. 基于多维度特征分析的KPI异常检测[J]. 计算机工程与设计, 2021, 42(5): 1439-1447. DOI: 10.16208/j.issn1000-7024.2021.05.033 |
| |
| 作者姓名： | 曹志英 曹伟 张秀国 |
| |
| 作者单位： | 大连海事大学 信息科学技术学院,辽宁 大连 116026 |
| |
| 摘 要： | 为帮助运维人员提前发现未知风险,减少因异常风险带来的损失,提出多种特征融合的异常检测方法.对关键性能指标(KPI)进行多维度的特征提取,使用主成分分析方法(PCA)进行降维,对降维后的数据按照时序模式,使用小波分解提取出高频特征与低频特征,使用极限梯度提升(XGBoost)模型进行异常检测.实验结果表明,该方法有较好的...
|
| 关 键 词： | 关键性能指标 异常检测 主成分分析 小波分析 时间序列 极限梯度提升模型 |
KPI anomaly detection based on multidimensional feature analysis |
| |
| CAO Zhi-ying,CAO Wei,ZHANG Xiu-guo. KPI anomaly detection based on multidimensional feature analysis[J]. Computer Engineering and Design, 2021, 42(5): 1439-1447. DOI: 10.16208/j.issn1000-7024.2021.05.033 |
| |
| Authors: | CAO Zhi-ying CAO Wei ZHANG Xiu-guo |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
