提出了基于DBSCAN(density-based spatial clustering of application with noise)和多约束活动窗口算法的告警时间序列预处理方法。根据原始告警数据的特点,利用DBSCAN聚类算法以时间维度将原流水告警数据划分为多个告警事件,并通过约...提出了基于DBSCAN(density-based spatial clustering of application with noise)和多约束活动窗口算法的告警时间序列预处理方法。根据原始告警数据的特点,利用DBSCAN聚类算法以时间维度将原流水告警数据划分为多个告警事件,并通过约束条件选取DBSCAN最佳输入参数,在各个时间段利用滑动时间窗口提取告警事务。实验结果表明,该方法能有效滤除单一告警事务(噪声告警)对实际事务分析的影响,提升告警事务分析的总体质量,同时可根据实际需要利用多约束条件选择最佳参数,有效提升告警事务总体分析能力。展开更多
文摘提出了基于DBSCAN(density-based spatial clustering of application with noise)和多约束活动窗口算法的告警时间序列预处理方法。根据原始告警数据的特点,利用DBSCAN聚类算法以时间维度将原流水告警数据划分为多个告警事件,并通过约束条件选取DBSCAN最佳输入参数,在各个时间段利用滑动时间窗口提取告警事务。实验结果表明,该方法能有效滤除单一告警事务(噪声告警)对实际事务分析的影响,提升告警事务分析的总体质量,同时可根据实际需要利用多约束条件选择最佳参数,有效提升告警事务总体分析能力。
