基于多维度特征分析的KPI异常检测

作     者：曹志英 曹伟 张秀国 CAO Zhi-ying;CAO Wei;ZHANG Xiu-guo

作者机构：大连海事大学信息科学技术学院辽宁大连116026 

基　　金：国家自然科学基金项目(51679025) 基本科研业务费重点科学研究培育基金项目(3132019313) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2021年第42卷第5期

页      码：1439-1447页

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,该方法有较好的普适性、查全率和准确度较高,受试者工作特征(ROC)曲线也普遍优于其它模型。

主 题 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 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2021.05.033

馆 藏 号：203103301...