CN105279257A - 一种基于正态分布的互联网大数据挖掘方法和系统 - Google Patents
一种基于正态分布的互联网大数据挖掘方法和系统 Download PDFInfo
- Publication number
- CN105279257A CN105279257A CN201510676355.7A CN201510676355A CN105279257A CN 105279257 A CN105279257 A CN 105279257A CN 201510676355 A CN201510676355 A CN 201510676355A CN 105279257 A CN105279257 A CN 105279257A
- Authority
- CN
- China
- Prior art keywords
- data
- spip
- normal distribution
- period
- internet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
Abstract
本发明公开了一种基于正态分布的互联网大数据挖掘方法和系统,其中该方法包括:采集信令以获取用户XDR;基于大数据计算SP的指标,收集同时段的历史指标;对每个数据组进行规整;基于正态分布判断3σ以外的异常IP;预警或处理。该系统包括:数据获取模块、指标计算模块、数据规整模块、3σ判断模块、预警模块。本发明的方法和系统不但可以进行SP的预警,对于网络突发性问题都可以进行有效的预警。本发明通过大数据的处理方式,对海量的信令和全量用户数据进行处理,利用正态分布的算法,确定网络异常事件进行预警,减少对专家的依赖。
Description
技术领域
本发明涉及一种基于正态分布的互联网大数据挖掘方法和系统,属于通信领域。
背景技术
随着网络和IT技术的发展,大数据、移动互联网已经成为IT和通信行业的热词。大数据(bigdata),是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。而移动互联网,就是将移动通信和互联网二者结合起来,成为一体。是指互联网的技术、平台、商业模式和应用与移动通信技术结合并实践的活动的总称。
特别对于运营商来说,随着移动互联网的发展,原有的质量评估,问题监控的目标和手段也在发生转变。
2/3G时代,运营商关注的是网络KPI或KQI指标,对数据的获取或采集通常采用,计数的方式。数据量比较小,传统的架构和方法就可以胜任。
而随着4G的普及,运营商开始关注,用户感知和业务的问题。首先,分析的精度和要求进一步提高,例如从网元分析的级别到达用户、SP、业务级别。其次,分析的数据源也从计数的方式变成通过信令、MR等更原始的能直接反应用户的数据。
在数据处理方面,对于之前的告警类,传统方式是依据专家的经验,设计出一个阈值,对超过阈值的网元或者用户进行输出,进行二次统计后,再通过专家分析一段时间内的数据,来区分问题是常态还是临时的。在此,阈值是几乎不变的,一旦需要改变,需要重新设置并计算,这样,整个的计算统计的周期可能花费几天或几周,无法满足数据的有效性。
从以上可以看出传统方案存在主要几个问题:
处理数据量较小,对于海量数据处理能力不足。
阈值和分析区间为经验值,依赖专家的能力,对一些异常问题很难预警。
阈值一旦确定较少改变,无法依据网络用户变化动态改变。
处理效率较低,无法满足实际需要。
发明内容
针对现有技术存在的上述问题,提出了本发明的技术方案。
基于本发明的一个方面,提供了一种基于正态分布的互联网大数据挖掘方法,包括以下步骤:
步骤S1,采集信令以获取用户XDR;
步骤S2,基于大数据,通过用户XDR,计算出某一SPIP的某一时段的当前业务指标数据,并截取同时段的对应所述SPIP的历史业务指标数据;
步骤S3,将所述SPIP的同时段的当前业务指标数据与历史业务指标数据进行组合得到一数据组,以按时段数对业务指标数据进行分组统计,并逐一对每一数据组的业务指标数据进行归一化为方差为1,均值为0的规整化数据;
步骤S4,基于所述SPIP的某一时段的当前和历史业务指标数据,按照标准正态分布的方式输出小于-3σ的数据。
优选地,步骤S1中,通过信令采集系统获取用户XDR,所述业务指标数据包括所述SPIP的给定业务的HTTP建立成功率和/或流量,所述信令采集系统包括运营商统一DPI系统和上网日志系统。
优选地,步骤S2中,所述时段的时长为1小时。
优选地,步骤S2中,所述历史业务指标数据包括同时段的对应的多天内的业务指标数据。
优选地,步骤S3中,按照进行规整,其中DHDi、分别表示所述SPIP的第i天的同时段的数据组的值,该值包括该同时段的HTTP建立成功率、数据组均值、数据组标准差。
优选地,规整后的数据中,所述SPIP的数据与其他任一SPIP的数据无关,不随其他SPIP的变化而变化。
优选地,在步骤S4中,使用3σ原则,从归一化的业务指标数据中找出存在网络隐患或异常的SPIP,其中,存在网络隐患或异常的SPIP的归一化指标数据位于小于-3σ的区间。
优选地,还包括步骤S5,对存在网络隐患或异常的SPIP,查找对应的SPIP及时段,并关联对应的用户,进行预警,或推送至相应的维护人员进行处理。
基于本发明的第二个方面,提供了一种基于正态分布的互联网大数据挖掘系统,包括以下模块:
数据获取模块,配置为采集信令以获取用户XDR;
指标计算模块,配置为基于大数据,通过用户XDR,计算出某一SPIP的某一时段的当前业务指标数据,并截取同时段的对应所述SPIP的历史业务指标数据;
数据规整模块,配置为将所述SPIP的同时段的当前业务指标数据与历史业务指标数据进行组合得到一数据组,以按时段数对业务指+标数据进行分组统计,并逐一对每一数据组的业务指标数据进行归一化为方差为1,均值为0的规整化数据;
3σ判断模块,配置为基于所述SPIP的某一时段的当前和历史业务指标数据,按照标准正态分布的方式输出小于-3σ的数据。
优选地,还包括预警模块,配置为对存在网络隐患或异常的SPIP,查找对应的SPIP及时段,并关联对应的用户,进行预警,或推送至相应的维护人员进行处理
本发明的有益效果:通过大数据的处理方式,对海量的信令和全量用户数据进行处理,得出某IP或用户的关键指标。采集一定时间段内同时间的数据,通过对数据进行规整化处理,再采用正态分布的方式,取3σ作为判别异常数据的界限,而在此区间以外取值的概率极小,例如只有0.26%,通常认为这种情况是小概率事件,几乎不可能发生。从而挖掘出某个IP、业务或用户的异常,进行预警或处置。
进一步,本发明的有益效果可总结为:
1、基于大数据对海量数据进行处理统计。
2、通过算法确定网络异常事件进行预警,减少对专家依赖。
3、基于历史小时数据算出得σ方差,作为基础判断异常数据,保证数据的动态和有效性。
4、可以小时为单位(每小时)对网络异常SP、用户或业务进行预警。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述,其中:
图1所示为根据本发明的信令采集系统的示意图;
图2所示为根据本发明第一实施例的一种基于正态分布的互联网大数据挖掘方法的流程图;
图3所示为根据本发明第一实施例的示例性的归一化短话单比例直方图;
图4所示为根据本发明第一实施例的示例性的正态分布示意图;
图5所示为根据本发明第三实施例的一种基于正态分布的互联网大数据挖掘系统的模块框图;
具体实施方式
根据本发明的第一实施例,为基于正态分布的互联网大数据挖掘方法,如图2所示,包括步骤:
步骤S1,采集信令以获取用户XDR。具体地,可通过信令采集系统,例如运营商统一DPI系统和上网日志系统,来获取用户XDR。
图1所示为根据本发明的信令采集系统的示意图。随着运营商IP化的发展,以及信令系统采集的全面部署,现有技术已经可以采集来自多个网络接口的信令数据,包括用户面和控制面,进一步获得用户XDR(其在本领域可称为话单数据,在计算机其他领域还是外部数据表示等的缩略)。通过信令数据可以或得到用户和业务的相关指标,例如某业务的HTTP建立成功率,流量等。
步骤S2,基于大数据,通过用户XDR,计算出某一SPIP的某一时段的当前业务指标数据,并截取同时段的对应所述SPIP的历史业务指标数据,所述业务指标数据可包括所述SPIP的给定业务的HTTP建立成功率和/或流量。
其中,所述时段的时长,优选为1小时,所述历史业务指标数据包括同时段的对应的多天内的业务指标数据,例如两周,以下以两周共14天,每天以1小时为单位共24个时段为例,进行描述。
步骤S3,将所述SPIP的同时段的当前业务指标数据与历史业务指标数据进行组合得到一数据组,以按时段数对业务指标数据进行分组统计,并逐一对每一数据组的业务指标数据进行归一化为方差为1,均值为0的规整化数据。
其中,按照进行规整,其中DHDi、分别表示所述SPIP的第i天的同时段的数据组的值,该值包括该同时段的HTTP建立成功率、数据组均值、数据组标准差。
①规整的后的指标数据具有独立性
每个SPIP的指标与其他任何一个SPIP的数据无关,不随其他SPIP的变化而变化。从概率统计上,可以表示为:
E(XiXj)=E(Xi)*E(Xj)
D(Xi+Xj)=D(Xi)+D(Xj)
②规整的指标数据具有正态分布特性
如果概率分布函数满足如下公式,则我们称为其满足正态分布特性。
例如,取30个SPIP,将对应的14天的业务指标数据作为一个集合,然后获得其统计直方图,如图3所示。从图3的归一化的如针对短话单数据的比例直方图中,我们可以看到:抽样的归一化HTTP建立成功率和流量数据总体从形状上符合正态分布,示范性地,横坐标为归一化的短话单值,纵坐标为归一化的短话单数目。整个数据集满足均值为0,方差为1的标准正态分布。
步骤S4,基于所述SPIP的某一时段的当前和历史业务指标数据,按照标准正态分布的方式输出小于-3σ的数据。
其中,使用3σ原则,从归一化的业务指标数据中找出存在网络隐患或异常的SPIP,其中,存在网络隐患或异常的SPIP的归一化指标数据位于小于-3σ的区间。
通过前面几个步骤,已从海量的信令数据中,提取了规整化的http建立成功率和流量数据,这些规整化数据以每一个SPIP为集合,历史数据追溯至14天,按照小时为单位把每天的数据分成了24组的数据,每组数据包含同一个时段前14天的数据,这些归一化的数据满足均值为0,方差为1的标准正态分布。
使用3σ原则,可从归一化短话单数据中找出可能存在网络隐患的IP。3σ原则又称为莱特法则,通常用于数据除噪,以及排除异常值的处理,主要功能是挑出分析数据的异常值。在分析数据为正态分布的情况下,通常取3σ作为判别异常数据的界限。
如图4所示,为根据本发明的方法进行实际操作后,将数据拟合后的正态分布图的实例,其中,区域(μ-1σ,μ+1σ)是距平均值小于一个标准差之内的数值范围。在正态分布中,此范围所占比率为全部数值之68%。根据正态分布,两个标准差之内的比率合起来为95%。三个标准差之内的比率合起来为99%。正态总体几乎总取值于区间(μ-3σ,μ+3σ)之内,而在此区间以外取值的概率只有0.26%,通常认为这种情况是小概率事件,几乎不可能发生。
在SP预警分析中,如果归一化指标数据的位于小于-3σ这一区间,那么可以认为这个SPIP存在异常。
根据本发明的第二实施例,其基本与第一实施例相同,区别在于,还包括步骤S5,对存在网络隐患或异常的SPIP,查找对应的SPIP及时段,并关联对应的用户,进行预警,或推送至相应的维护人员进行处理。
以上方法不但可以进行SP的预警,对于网络突发性问题都可以进行有效的预警。
根据本发明的第三实施例,为基于正态分布的互联网大数据挖掘系统,如图5所示,包括:
数据获取模块,配置为采集信令以获取用户XDR;
指标计算模块,配置为基于大数据,通过用户XDR,计算出某一SPIP的某一时段的当前业务指标数据,并截取同时段的对应所述SPIP的历史业务指标数据;
数据规整模块,配置为将所述SPIP的同时段的当前业务指标数据与历史业务指标数据进行组合得到一数据组,以按时段数对业务指+标数据进行分组统计,并逐一对每一数据组的业务指标数据进行归一化为方差为1,均值为0的规整化数据;
3σ判断模块,配置为基于所述SPIP的某一时段的当前和历史业务指标数据,按照标准正态分布的方式输出小于-3σ的数据。
预警模块,配置为对存在网络隐患或异常的SPIP,查找对应的SPIP及时段,并关联对应的用户,进行预警,或推送至相应的维护人员进行处理。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种基于正态分布的互联网大数据挖掘方法,其特征在于,包括以下步骤:
步骤S1,采集信令以获取用户XDR;
步骤S2,基于大数据,通过用户XDR,计算出某一SPIP的某一时段的当前业务指标数据,并截取同时段的对应所述SPIP的历史业务指标数据;
步骤S3,将所述SPIP的同时段的当前业务指标数据与历史业务指标数据进行组合得到一数据组,以按时段数对业务指标数据进行分组统计,并逐一对每一数据组的业务指标数据进行归一化为方差为1,均值为0的规整化数据;
步骤S4,基于所述SPIP的某一时段的当前和历史业务指标数据,按照标准正态分布的方式输出小于-3σ的数据。
2.根据权利要求1所述的一种基于正态分布的互联网大数据挖掘方法,其特征在于,步骤S1中,通过信令采集系统获取用户XDR,所述业务指标数据包括所述SPIP的给定业务的HTTP建立成功率和/或流量,所述信令采集系统包括运营商统一DPI系统和上网日志系统。
3.根据权利要求1所述的一种基于正态分布的互联网大数据挖掘方法,其特征在于,步骤S2中,所述时段的时长为1小时。
4.根据权利要求3所述的一种基于正态分布的互联网大数据挖掘方法,其特征在于,步骤S2中,所述历史业务指标数据包括同时段的对应的多天内的业务指标数据。
5.根据权利要求1所述的一种基于正态分布的互联网大数据挖掘方法,其特征在于,步骤S3中,按照进行规整,其中DHDi、分别表示所述SPIP的第i天的同时段的数据组的值,该值包括该同时段的HTTP建立成功率、数据组均值、数据组标准差。
6.根据权利要求1所述的一种基于正态分布的互联网大数据挖掘方法,其特征在于,规整后的数据中,所述SPIP的数据与其他任一SPIP的数据无关,不随其他SPIP的变化而变化。
7.根据权利要求1所述的一种基于正态分布的互联网大数据挖掘方法,其特征在于,在步骤S4中,使用3σ原则,从归一化的业务指标数据中找出存在网络隐患或异常的SPIP,其中,存在网络隐患或异常的SPIP的归一化指标数据位于小于-3σ的区间。
8.根据权利要求1所述的一种基于正态分布的互联网大数据挖掘方法,其特征在于,还包括步骤S5,对存在网络隐患或异常的SPIP,查找对应的SPIP及时段,并关联对应的用户,进行预警,或推送至相应的维护人员进行处理。
9.一种基于正态分布的互联网大数据挖掘系统,其特征在于,包括:
数据获取模块,配置为采集信令以获取用户XDR;
指标计算模块,配置为基于大数据,通过用户XDR,计算出某一SPIP的某一时段的当前业务指标数据,并截取同时段的对应所述SPIP的历史业务指标数据;
数据规整模块,配置为将所述SPIP的同时段的当前业务指标数据与历史业务指标数据进行组合得到一数据组,以按时段数对业务指+标数据进行分组统计,并逐一对每一数据组的业务指标数据进行归一化为方差为1,均值为0的规整化数据;
3σ判断模块,配置为基于所述SPIP的某一时段的当前和历史业务指标数据,按照标准正态分布的方式输出小于-3σ的数据。
10.根据权利要求9所述的一种基于正态分布的互联网大数据挖掘系统,其特征在于,还包括预警模块,配置为对存在网络隐患或异常的SPIP,查找对应的SPIP及时段,并关联对应的用户,进行预警,或推送至相应的维护人员进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510676355.7A CN105279257A (zh) | 2015-10-15 | 2015-10-15 | 一种基于正态分布的互联网大数据挖掘方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510676355.7A CN105279257A (zh) | 2015-10-15 | 2015-10-15 | 一种基于正态分布的互联网大数据挖掘方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105279257A true CN105279257A (zh) | 2016-01-27 |
Family
ID=55148271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510676355.7A Pending CN105279257A (zh) | 2015-10-15 | 2015-10-15 | 一种基于正态分布的互联网大数据挖掘方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105279257A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106199421A (zh) * | 2016-06-27 | 2016-12-07 | 北京协同创新研究院 | 一种基于工业大数据的预警方法和系统 |
CN106911523A (zh) * | 2017-04-25 | 2017-06-30 | 杭州东方通信软件技术有限公司 | 移动互联网用户通过lte上网问题定位的方法和系统 |
CN106911517A (zh) * | 2017-03-22 | 2017-06-30 | 杭州东方通信软件技术有限公司 | 一种移动互联网端到端问题定位方法和系统 |
CN107515889A (zh) * | 2017-07-03 | 2017-12-26 | 国家计算机网络与信息安全管理中心 | 一种微博话题实时监测方法与装置 |
CN108173781A (zh) * | 2017-12-20 | 2018-06-15 | 广东宜通世纪科技股份有限公司 | Https流量识别方法、装置、终端设备及存储介质 |
CN108268988A (zh) * | 2016-12-30 | 2018-07-10 | 航天信息股份有限公司 | 一种粮食收购业务管理方法及系统 |
CN108430067A (zh) * | 2017-02-13 | 2018-08-21 | 中国移动通信集团广东有限公司 | 一种基于xdr的互联网业务质量分析方法及系统 |
CN108829535A (zh) * | 2018-06-08 | 2018-11-16 | 上海擎创信息技术有限公司 | 数据处理方法、终端及计算机可读存储介质 |
CN109558295A (zh) * | 2018-11-15 | 2019-04-02 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
CN110969356A (zh) * | 2019-12-03 | 2020-04-07 | 浪潮软件股份有限公司 | 一种基于正态分布设定指标阈值的方法及系统 |
CN112350836A (zh) * | 2019-08-06 | 2021-02-09 | 中国移动通信集团广东有限公司 | 物联网异常定位方法、装置和电子设备 |
CN112398706A (zh) * | 2019-08-19 | 2021-02-23 | 中国移动通信集团广西有限公司 | 数据评估标准确定方法、装置及存储介质、电子设备 |
CN113495909A (zh) * | 2020-04-06 | 2021-10-12 | 中信百信银行股份有限公司 | 客诉单量预警方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964997A (zh) * | 2009-07-21 | 2011-02-02 | 中国移动通信集团黑龙江有限公司 | 网络性能预警方法及装置 |
US20110145400A1 (en) * | 2009-12-10 | 2011-06-16 | Stephen Dodson | Apparatus and method for analysing a computer infrastructure |
CN104102968A (zh) * | 2013-04-15 | 2014-10-15 | 中国移动通信集团宁夏有限公司 | 一种移动关键业务的预警方法及装置 |
CN104113872A (zh) * | 2013-04-22 | 2014-10-22 | 中国移动通信集团湖北有限公司 | 一种数据业务监控方法及系统 |
CN104735710A (zh) * | 2015-03-18 | 2015-06-24 | 大连理工大学 | 一种基于趋势外推聚类的移动网络性能预警预判方法 |
-
2015
- 2015-10-15 CN CN201510676355.7A patent/CN105279257A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964997A (zh) * | 2009-07-21 | 2011-02-02 | 中国移动通信集团黑龙江有限公司 | 网络性能预警方法及装置 |
US20110145400A1 (en) * | 2009-12-10 | 2011-06-16 | Stephen Dodson | Apparatus and method for analysing a computer infrastructure |
CN104102968A (zh) * | 2013-04-15 | 2014-10-15 | 中国移动通信集团宁夏有限公司 | 一种移动关键业务的预警方法及装置 |
CN104113872A (zh) * | 2013-04-22 | 2014-10-22 | 中国移动通信集团湖北有限公司 | 一种数据业务监控方法及系统 |
CN104735710A (zh) * | 2015-03-18 | 2015-06-24 | 大连理工大学 | 一种基于趋势外推聚类的移动网络性能预警预判方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106199421B (zh) * | 2016-06-27 | 2018-03-02 | 北京协同创新研究院 | 一种基于工业大数据的预警方法和系统 |
CN106199421A (zh) * | 2016-06-27 | 2016-12-07 | 北京协同创新研究院 | 一种基于工业大数据的预警方法和系统 |
CN108268988A (zh) * | 2016-12-30 | 2018-07-10 | 航天信息股份有限公司 | 一种粮食收购业务管理方法及系统 |
CN108268988B (zh) * | 2016-12-30 | 2022-06-10 | 航天信息股份有限公司 | 一种粮食收购业务管理方法及系统 |
CN108430067A (zh) * | 2017-02-13 | 2018-08-21 | 中国移动通信集团广东有限公司 | 一种基于xdr的互联网业务质量分析方法及系统 |
CN106911517B (zh) * | 2017-03-22 | 2020-06-26 | 杭州东方通信软件技术有限公司 | 一种移动互联网端到端问题定位方法和系统 |
CN106911517A (zh) * | 2017-03-22 | 2017-06-30 | 杭州东方通信软件技术有限公司 | 一种移动互联网端到端问题定位方法和系统 |
CN106911523A (zh) * | 2017-04-25 | 2017-06-30 | 杭州东方通信软件技术有限公司 | 移动互联网用户通过lte上网问题定位的方法和系统 |
CN106911523B (zh) * | 2017-04-25 | 2019-10-01 | 杭州东方通信软件技术有限公司 | 移动互联网用户通过lte上网问题定位的方法和系统 |
CN107515889A (zh) * | 2017-07-03 | 2017-12-26 | 国家计算机网络与信息安全管理中心 | 一种微博话题实时监测方法与装置 |
CN108173781A (zh) * | 2017-12-20 | 2018-06-15 | 广东宜通世纪科技股份有限公司 | Https流量识别方法、装置、终端设备及存储介质 |
CN108173781B (zh) * | 2017-12-20 | 2019-08-16 | 宜通世纪科技股份有限公司 | Https流量识别方法、装置、终端设备及存储介质 |
CN108829535A (zh) * | 2018-06-08 | 2018-11-16 | 上海擎创信息技术有限公司 | 数据处理方法、终端及计算机可读存储介质 |
CN109558295B (zh) * | 2018-11-15 | 2022-05-24 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
CN109558295A (zh) * | 2018-11-15 | 2019-04-02 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
CN112350836A (zh) * | 2019-08-06 | 2021-02-09 | 中国移动通信集团广东有限公司 | 物联网异常定位方法、装置和电子设备 |
CN112398706A (zh) * | 2019-08-19 | 2021-02-23 | 中国移动通信集团广西有限公司 | 数据评估标准确定方法、装置及存储介质、电子设备 |
CN110969356A (zh) * | 2019-12-03 | 2020-04-07 | 浪潮软件股份有限公司 | 一种基于正态分布设定指标阈值的方法及系统 |
CN113495909A (zh) * | 2020-04-06 | 2021-10-12 | 中信百信银行股份有限公司 | 客诉单量预警方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105279257A (zh) | 一种基于正态分布的互联网大数据挖掘方法和系统 | |
CN108173670B (zh) | 检测网络的方法和装置 | |
CN111262722B (zh) | 一种用于工业控制系统网络的安全监测方法 | |
CN103532940B (zh) | 网络安全检测方法及装置 | |
CN112650762B (zh) | 数据质量监控的方法、装置、电子设备以及存储介质 | |
CN106254137B (zh) | 监管系统的告警根源分析系统及方法 | |
CN107086922B (zh) | 一种用户行为识别方法和装置 | |
CN103378980A (zh) | 一种层网络告警与业务相关性分析方法和装置 | |
CN104518905A (zh) | 一种故障定位方法及装置 | |
CN109618361B (zh) | 一种4g基站隐性故障排查方法及装置 | |
CN103227734A (zh) | 一种OpenStack云平台异常的检测方法 | |
CN107548082A (zh) | 一种质差区域分析的方法、装置及系统 | |
CN103023927A (zh) | 一种稀疏表达下的基于非负矩阵分解的入侵检测方法及系统 | |
CN102487523A (zh) | 用户投诉分析方法及装置 | |
CN109861825B (zh) | Cps系统中基于加权规则与一致度的内部攻击检测方法 | |
CN109948877A (zh) | 一种基于异常事件组合的用电行为精准分析方法 | |
CN108073611A (zh) | 一种告警信息的过滤方法及装置 | |
CN110442628A (zh) | 一种数据监控方法、系统和计算机设备 | |
CN106951360B (zh) | 数据统计完整度计算方法和系统 | |
CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
CN108734201B (zh) | 基于分层原因分析法的核电厂经验反馈事件的分类方法及系统 | |
CN111311079A (zh) | 一种大用户综合用能服务系统 | |
CN202798762U (zh) | 用于电力通信故障信息分析告警装置 | |
CN116910144A (zh) | 算力网络资源中心、算力服务系统以及数据处理方法 | |
CN115766768A (zh) | 一种算力网络操作系统中感知中枢设计方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160127 |
|
RJ01 | Rejection of invention patent application after publication |