欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

時(shí)間序列異常值檢測(cè)方法及裝置與流程

文檔序號(hào):12467190閱讀:263來(lái)源:國(guó)知局
時(shí)間序列異常值檢測(cè)方法及裝置與流程

本發(fā)明涉及數(shù)據(jù)分析技術(shù)領(lǐng)域,特別是涉及一種時(shí)間序列異常值檢測(cè)方法及裝置。



背景技術(shù):

在自動(dòng)化運(yùn)維技術(shù)領(lǐng)域中,時(shí)間序列在過(guò)程工業(yè)、金融業(yè)以及通信業(yè)等各領(lǐng)域中普遍存在,通過(guò)時(shí)間序列異常值檢測(cè)可提前發(fā)現(xiàn)系統(tǒng)運(yùn)行問(wèn)題,因此對(duì)時(shí)間序列分析研究受到很多學(xué)者的關(guān)注。在時(shí)間序列的眾多研究課題中,時(shí)間序列異常值檢測(cè)因其直接關(guān)系時(shí)間序列的質(zhì)量成為時(shí)間序列研究的重點(diǎn)。

目前,一般通過(guò)單個(gè)的時(shí)間模型檢測(cè)時(shí)間序列異常值,如通過(guò)動(dòng)態(tài)線性模型,ARMA(Auto-Regressive and Moving Average Model,自回歸滑動(dòng)平均模型)以及季節(jié)性等模型檢測(cè)時(shí)間序列異常值。即異常值檢測(cè)主要取決于時(shí)間模型的預(yù)測(cè)效果,如果時(shí)間模型效果不穩(wěn)定將會(huì)影響異常值檢測(cè)的效果。



技術(shù)實(shí)現(xiàn)要素:

有鑒于此,本發(fā)明提供一種時(shí)間序列異常值檢測(cè)方法及裝置,主要目的在于提高時(shí)間序列異常值的檢測(cè)效果。

依據(jù)本發(fā)明一個(gè)方面,提供了一種時(shí)間序列異常值檢測(cè)方法,包括:

根據(jù)歷史時(shí)間序列訓(xùn)練第一時(shí)間模型和第二時(shí)間模型,第一時(shí)間模型和第二時(shí)間模型用于計(jì)算混合模型的預(yù)測(cè)值;

獲取第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值、方差;

通過(guò)所述第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值、方差計(jì)算所述混合模型的預(yù)測(cè)值;

計(jì)算所述混合模型的預(yù)測(cè)值與所述歷史時(shí)間序列的觀測(cè)值之差得到白噪音分布;

將所述白噪音分布中不在正常置信區(qū)間的值確定為異常值。

依據(jù)本發(fā)明一個(gè)方面,提供了一種時(shí)間序列異常值檢測(cè)裝置,包括:

訓(xùn)練單元,用于根據(jù)歷史時(shí)間序列訓(xùn)練第一時(shí)間模型和第二時(shí)間模型,第一時(shí)間模型和第二時(shí)間模型用于計(jì)算混合模型的預(yù)測(cè)值;

獲取單元,用于獲取第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值、方差;

計(jì)算單元,用于通過(guò)所述第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值、方差計(jì)算所述混合模型的預(yù)測(cè)值;

所述計(jì)算單元,還用于計(jì)算所述混合模型的預(yù)測(cè)值與所述歷史時(shí)間序列的觀測(cè)值之差得到白噪音分布;

確定單元,用于將所述白噪音分布中不在正常置信區(qū)間的值確定為異常值。

借由上述技術(shù)方案,本發(fā)明實(shí)施例提供的技術(shù)方案至少具有下列優(yōu)點(diǎn):

本發(fā)明實(shí)施例提供一種時(shí)間序列異常值檢測(cè)方法及裝置,與目前通過(guò)單個(gè)的時(shí)間模型檢測(cè)時(shí)間序列異常值相比,本發(fā)明實(shí)施例利用模型混合的方法綜合考慮多個(gè)模型的預(yù)測(cè)值得出最合理的預(yù)測(cè)值,因此只要多個(gè)時(shí)間模型中一個(gè)模型在數(shù)據(jù)序列上效果表現(xiàn)良好,那么混合模型將會(huì)在時(shí)間序列上取得良好的預(yù)測(cè)效果,從而通過(guò)本發(fā)明實(shí)施例提高了時(shí)間序列異常值的檢測(cè)效果。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述,為了能夠更清楚了解本發(fā)明的技術(shù)手段,而可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施,并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂,以下特舉本發(fā)明的具體實(shí)施方式。

附圖說(shuō)明

通過(guò)閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述,各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的,而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中,用相同的參考符號(hào)表示相同的部件。在附圖中:

圖1示出了本發(fā)明實(shí)施例提供的一種時(shí)間序列異常值檢測(cè)方法流程圖;

圖2示出了本發(fā)明實(shí)施例提供的時(shí)間序列異常值檢測(cè)結(jié)果圖;

圖3示出了本發(fā)明實(shí)施例提供的一種時(shí)間序列異常值檢測(cè)裝置的結(jié)構(gòu)框圖;

圖4示出了本發(fā)明實(shí)施例提供的另一種時(shí)間序列異常值檢測(cè)裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開(kāi)的示例性實(shí)施例。雖然附圖中顯示了本公開(kāi)的示例性實(shí)施例,然而應(yīng)當(dāng)理解,可以以各種形式實(shí)現(xiàn)本公開(kāi)而不應(yīng)被這里闡述的實(shí)施例所限制。相反,提供這些實(shí)施例是為了能夠更透徹地理解本公開(kāi),并且能夠?qū)⒈竟_(kāi)的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

本發(fā)明實(shí)施例提供了一種時(shí)間序列異常值檢測(cè)方法,如圖1所示,該方法包括:

101、根據(jù)歷史時(shí)間序列訓(xùn)練第一時(shí)間模型和第二時(shí)間模型。

其中,第一時(shí)間模型和第二時(shí)間模型用于計(jì)算混合模型的預(yù)測(cè)值,歷史時(shí)間序列為訓(xùn)練時(shí)間模型的樣本,具體可以選擇數(shù)據(jù)庫(kù)中前一天的時(shí)間序列作為訓(xùn)練樣本。在本發(fā)明實(shí)施例中,第一時(shí)間模型和第二時(shí)間模型是不同的時(shí)間模型且各時(shí)間模型的訓(xùn)練過(guò)程是相互獨(dú)立的,第一時(shí)間模型和第二時(shí)間模型具體可以為:動(dòng)態(tài)線性模型,季節(jié)性等模型,以及ARMA(Auto-Regressive and Moving Average Model,自回歸滑動(dòng)平均模型)等,本發(fā)明實(shí)施例不做具體限定。

102、獲取第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值、方差。

在通過(guò)步驟101獲取到訓(xùn)練的第一時(shí)間模型和第二時(shí)間模型之后,具體可以根據(jù)卡爾曼濾波算法得到第一時(shí)間模型、第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值。然后分別計(jì)算第一時(shí)間模型與第二時(shí)間模型中預(yù)測(cè)值的平均值,并依據(jù)方差公式:S^2=〈(X1-M)^2+(X2-M)^2+(X3-M)^2+…+(Xn-M)^2〉/n-1計(jì)算第一時(shí)間模型與第二時(shí)間模型分別對(duì)應(yīng)的方差。其中,X1,X2,X3,…Xn是通過(guò)第一時(shí)間模型或第二時(shí)間模型得到的預(yù)測(cè)值,M代表預(yù)測(cè)值的平均值,n為預(yù)測(cè)值的個(gè)數(shù)。

103、通過(guò)所述第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值、方差計(jì)算所述混合模型的預(yù)測(cè)值。

在本發(fā)明實(shí)施例中,步驟103包括:根據(jù)所述第一時(shí)間模型和所述第二時(shí)間模型分別對(duì)應(yīng)的方差計(jì)算所述混合模型的混合系數(shù);根據(jù)所述第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值和所述混合系數(shù)計(jì)算混合模型的預(yù)測(cè)值。對(duì)于本發(fā)明實(shí)施例,所述根據(jù)所述第一時(shí)間模型和所述第二時(shí)間模型分別對(duì)應(yīng)的方差計(jì)算所述混合模型的混合系數(shù)包括:計(jì)算所述第一時(shí)間模型的方差與所述第二時(shí)間模型的方差之和得到方差和;根據(jù)所述第一時(shí)間模型的方差與所述方差和的比值獲取所述混合系數(shù)。具體的,可通過(guò)融合第一時(shí)間模型和第二時(shí)間模型預(yù)測(cè)值得到混合模型的預(yù)測(cè)值,獲取混合模型的預(yù)測(cè)值的公式具體可以為:X=x1+K(x2-x1),其中v1為第一時(shí)間模型的方差,v2為第二時(shí)間模型的方差,K為混合系數(shù),X為混合模型的預(yù)測(cè)值。

在本發(fā)明實(shí)施例中,所述根據(jù)所述第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值和所述混合系數(shù)計(jì)算混合模型的預(yù)測(cè)值包括:計(jì)算所述第二時(shí)間模型的預(yù)測(cè)值與所述第一時(shí)間模型的預(yù)測(cè)值之差得到預(yù)測(cè)差值;通過(guò)計(jì)算所述預(yù)測(cè)差值與所述混合系數(shù)的乘積與所述第一時(shí)間模型的預(yù)測(cè)值的和得到所述混合模型的預(yù)測(cè)值。例如,通過(guò)x1表示第一時(shí)間模型的預(yù)測(cè)值,x2表示第二時(shí)間模型的預(yù)測(cè)值,則通過(guò)混合模型預(yù)測(cè)值公式X=x1+K(x2-x1)求得混合模型的預(yù)測(cè)值。

需要說(shuō)明的是,為了使得到的混合模型的預(yù)測(cè)值的效果更好,還可以通過(guò)訓(xùn)練的其他時(shí)間模型對(duì)得到的混合模型再次進(jìn)行融合。如在步驟101中根據(jù)歷史時(shí)間序列還訓(xùn)練有第三時(shí)間模型,則在通過(guò)步驟103得到混合模型之后,再根據(jù)得到的混合模型和第三時(shí)間模型對(duì)通過(guò)第一時(shí)間模型和第二時(shí)間模型得到的混合模型進(jìn)行再次融合,即通過(guò)兩兩融合時(shí)間模型的方式得到混合模型,從而本發(fā)明實(shí)施例中的混合模型實(shí)現(xiàn)了多種時(shí)間模型的融合。

104、計(jì)算所述混合模型的預(yù)測(cè)值與所述歷史時(shí)間序列的之差得到白噪音分布。

105、將所述白噪音分布中不在正常置信區(qū)間的值確定為異常值。

對(duì)于本發(fā)明實(shí)施例,正常置信區(qū)間可以根據(jù)混合模型的預(yù)測(cè)值得到,即首先求得混合模型預(yù)測(cè)值的均值及標(biāo)準(zhǔn)差,然后通過(guò)混合模型的均值和標(biāo)準(zhǔn)差設(shè)置正常的置信區(qū)間。如圖2所示的時(shí)間序列異常值檢測(cè)結(jié)果圖中,正常置信區(qū)間下限通過(guò)公式a=M-n*ST進(jìn)行設(shè)置;正常置信區(qū)間上限通過(guò)公式a=M+n*ST進(jìn)行設(shè)置,其中M表示混合模型的均值,ST表示混合模型的方差,當(dāng)求取90%置信區(qū)間時(shí)n=1.645;當(dāng)求取95%置信區(qū)間時(shí)n=1.96;當(dāng)求取99%置信區(qū)間時(shí)n=2.576。

本發(fā)明實(shí)施例提供一種時(shí)間序列異常值檢測(cè)方法,利用模型混合的方法綜合考慮多個(gè)模型的預(yù)測(cè)值得出最合理的預(yù)測(cè)值,因此只要多個(gè)時(shí)間模型中一個(gè)模型在數(shù)據(jù)序列上效果表現(xiàn)良好,那么混合模型將會(huì)在時(shí)間序列上取得良好的預(yù)測(cè)效果,從而通過(guò)本發(fā)明實(shí)施例提高了時(shí)間序列異常值的檢測(cè)效果。

為了體現(xiàn)通過(guò)本發(fā)明實(shí)施例得到的混合模型的預(yù)測(cè)值更好,下面對(duì)本發(fā)明實(shí)施例中的融合方法理論進(jìn)行證明:

Cramer(零均值誤差成分)分解定理是對(duì)于任何一個(gè)時(shí)間序列{xi}都可以分解為兩部分的疊加:一部分是有多項(xiàng)式?jīng)Q定的確定趨勢(shì)成分,另一部分是平穩(wěn)的零均值誤差成分,即可通過(guò)下述公式(1)表示Cramer定理:

其中,d<∞;βj為常數(shù);{εt}為零均值白噪音序列。由Cramer定理可知任何時(shí)間序列都可以分解為與時(shí)間相關(guān)的趨勢(shì)序列和與時(shí)間無(wú)關(guān)的白噪音序列。

在實(shí)踐應(yīng)用中我們可以合理的做出如下假設(shè):如果時(shí)間序列不發(fā)生異常,則噪音εt的密度函數(shù)不變。當(dāng)噪音εt的密度函數(shù)發(fā)生改變事時(shí)間序列發(fā)生異常。

將公式(1)變換成如下形式:

εt=xtt (2)

由公式(2)可知觀測(cè)值xt與預(yù)測(cè)值μt之差為時(shí)間序列的噪音εt。根據(jù)公式(2)我們可以得出噪音的均值以及方差,再根據(jù)在設(shè)置的置信區(qū)間的值可以求出不符合噪音εt分布的異常值。

第一時(shí)間模型的預(yù)測(cè)值x1,第二時(shí)間模型的預(yù)測(cè)值x2,預(yù)測(cè)值為x,且有以下條件:

E(x1-x)=0

E(x2-x)=0

cov(x1-x)=V1

cov(x2-x)=V2

模型融合之后的預(yù)測(cè)值為滿(mǎn)足如下條件:

則模型融合之后預(yù)測(cè)值與準(zhǔn)確值為x的期望存在如下關(guān)系:

同理方差存在如下關(guān)系:

將公式(5)簡(jiǎn)化如下:

再次簡(jiǎn)化公式(6),則

由于模型融合之后預(yù)測(cè)值與準(zhǔn)確值為x的期望相同,則(8)越小,模型融合之后預(yù)測(cè)值越接近x,對(duì)公式(8)求導(dǎo)得到:

當(dāng)公式(9)等于0時(shí)公式(8)達(dá)到最小值:

2Kcov(x2-x)-2(1-K)cov(x1-x)=0 (10)

進(jìn)一步求解:

至此給出了本發(fā)明實(shí)施例的混合模型的融合理論依據(jù)。

進(jìn)一步的,作為對(duì)上述圖1所示方法的實(shí)現(xiàn),本發(fā)明實(shí)施例提供了一種時(shí)間序列異常值檢測(cè)裝置,如圖3所示,該裝置包括:訓(xùn)練單元21、獲取單元22,計(jì)算單元23以及確定單元24,其中,

訓(xùn)練單元21,用于根據(jù)歷史時(shí)間序列訓(xùn)練第一時(shí)間模型和第二時(shí)間模型;

其中,第一時(shí)間模型和第二時(shí)間模型用于計(jì)算混合模型的預(yù)測(cè)值,歷史時(shí)間序列為訓(xùn)練時(shí)間模型的樣本,具體可以選擇數(shù)據(jù)庫(kù)中前一天的時(shí)間序列作為訓(xùn)練樣本。在本發(fā)明實(shí)施例中,第一時(shí)間模型和第二時(shí)間模型是不同的時(shí)間模型且各時(shí)間模型的訓(xùn)練過(guò)程是相互獨(dú)立的,第一時(shí)間模型和第二時(shí)間模型具體可以為:動(dòng)態(tài)線性模型,季節(jié)性等模型,以及ARMA(Auto-Regressive and Moving Average Model,自回歸滑動(dòng)平均模型)等,本發(fā)明實(shí)施例不做具體限定。

獲取單元22,用于獲取第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值、方差;

在獲取到訓(xùn)練的第一時(shí)間模型和第二時(shí)間模型之后,具體可以根據(jù)卡爾曼濾波算法得到第一時(shí)間模型、第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值。然后分別計(jì)算第一時(shí)間模型與第二時(shí)間模型中預(yù)測(cè)值的平均值,并依據(jù)方差公式:S^2=〈(X1-M)^2+(X2-M)^2+(X3-M)^2+…+(Xn-M)^2〉/n-1計(jì)算第一時(shí)間模型與第二時(shí)間模型分別對(duì)應(yīng)的方差。其中,X1,X2,X3,…Xn是通過(guò)第一時(shí)間模型或第二時(shí)間模型得到的預(yù)測(cè)值,M代表預(yù)測(cè)值的平均值,n為預(yù)測(cè)值的個(gè)數(shù)。

計(jì)算單元23,用于通過(guò)所述第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值、方差計(jì)算所述混合模型的預(yù)測(cè)值;

其中,混合系數(shù)根據(jù)所述第一時(shí)間模型和所述第二時(shí)間模型分別對(duì)應(yīng)的方差得到。具體的,可通過(guò)融合第一時(shí)間模型和第二時(shí)間模型預(yù)測(cè)值得到混合模型的預(yù)測(cè)值,獲取混合模型的預(yù)測(cè)值的公式具體可以為:X=x1+K(x2-x1),其中v1為第一時(shí)間模型的方差,v2為第二時(shí)間模型的方差,K為混合系數(shù),X為混合模型的預(yù)測(cè)值。

需要說(shuō)明的是,為了使得到的混合模型的預(yù)測(cè)值的效果更好,還可以通過(guò)訓(xùn)練的其他時(shí)間模型對(duì)得到的混合模型再次進(jìn)行融合。如在根據(jù)歷史時(shí)間序列還訓(xùn)練有第三時(shí)間模型,則在得到混合模型之后,再根據(jù)得到的混合模型和第三時(shí)間模型對(duì)通過(guò)第一時(shí)間模型和第二時(shí)間模型得到的混合模型進(jìn)行再次融合,即通過(guò)兩兩融合時(shí)間模型的方式得到混合模型,從而本發(fā)明實(shí)施例中的混合模型實(shí)現(xiàn)了多種時(shí)間模型的融合。

所述計(jì)算單元23,還用于計(jì)算所述混合模型的預(yù)測(cè)值與所述歷史時(shí)間序列的之差得到白噪音分布;

確定單元24,用于將所述白噪音分布中不在正常置信區(qū)間的值確定為異常值。

對(duì)于本發(fā)明實(shí)施例,正常置信區(qū)間可以根據(jù)混合模型的預(yù)測(cè)值得到,即首先求得混合模型預(yù)測(cè)值的均值及標(biāo)準(zhǔn)差,然后通過(guò)混合模型的均值和標(biāo)準(zhǔn)差設(shè)置正常的置信區(qū)間。如圖2所示的時(shí)間序列異常值檢測(cè)結(jié)果圖中,正常置信區(qū)間下限通過(guò)公式a=M-n*ST進(jìn)行設(shè)置;正常置信區(qū)間上限通過(guò)公式a=M+n*ST進(jìn)行設(shè)置,其中M表示混合模型的均值,ST表示混合模型的方差,當(dāng)求取90%置信區(qū)間時(shí)n=1.645;當(dāng)求取95%置信區(qū)間時(shí)n=1.96;當(dāng)求取99%置信區(qū)間時(shí)n=2.576。

本發(fā)明實(shí)施例提供一種時(shí)間序列異常值檢測(cè)裝置,利用模型混合的方法綜合考慮多個(gè)模型的預(yù)測(cè)值得出最合理的預(yù)測(cè)值,因此只要多個(gè)時(shí)間模型中一個(gè)模型在數(shù)據(jù)序列上效果表現(xiàn)良好,那么混合模型將會(huì)在時(shí)間序列上取得良好的預(yù)測(cè)效果,從而通過(guò)本發(fā)明實(shí)施例提高了時(shí)間序列異常值的檢測(cè)效果。

具體的,如圖4所示,所述計(jì)算單元23包括:

第一計(jì)算模塊231,還用于根據(jù)所述第一時(shí)間模型和所述第二時(shí)間模型分別對(duì)應(yīng)的方差計(jì)算所述混合模型的混合系數(shù);

第二計(jì)算模塊232,具體用于根據(jù)所述第一時(shí)間模型和第二時(shí)間模型分別對(duì)應(yīng)的預(yù)測(cè)值和所述混合系數(shù)計(jì)算混合模型的預(yù)測(cè)值。

具體的,如圖4所示,所述第二計(jì)算模塊232包括:

計(jì)算子模塊,用于計(jì)算所述第二時(shí)間模型的預(yù)測(cè)值與所述第一時(shí)間模型的預(yù)測(cè)值之差得到預(yù)測(cè)差值;

獲取子模塊,用于通過(guò)計(jì)算所述預(yù)測(cè)差值與所述混合系數(shù)的乘積與所述第一時(shí)間模型的預(yù)測(cè)值的和得到所述混合模型的預(yù)測(cè)值。例如,通過(guò)x1表示第一時(shí)間模型的預(yù)測(cè)值,x2表示第二時(shí)間模型的預(yù)測(cè)值,則通過(guò)混合模型預(yù)測(cè)值公式X=x1+K(x2-x1)求得混合模型的預(yù)測(cè)值。

具體的,如圖4所示,所述第一計(jì)算模塊231包括:

計(jì)算子模塊,用于計(jì)算所述第一時(shí)間模型的方差與所述第二時(shí)間模型的方差之和得到方差和;

獲取子模塊,用于根據(jù)所述第一時(shí)間模型的方差與所述方差和的比值獲取所述混合系數(shù)。例如,通過(guò)v1表示第一時(shí)間模型的方差,v2表示第二時(shí)間模型的方差,則混合系數(shù)通過(guò)公式K=v1/(v1+v2)表示。

在上述實(shí)施例中,對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重,某個(gè)實(shí)施例中沒(méi)有詳述的部分,可以參見(jiàn)其他實(shí)施例的相關(guān)描述。

可以理解的是,上述方法及裝置中的相關(guān)特征可以相互參考。另外,上述實(shí)施例中的“第一”、“第二”等是用于區(qū)分各實(shí)施例,而并不代表各實(shí)施例的優(yōu)劣。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到,為描述的方便和簡(jiǎn)潔,上述描述的系統(tǒng),裝置和單元的具體工作過(guò)程,可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程,在此不再贅述。

在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述,構(gòu)造這類(lèi)系統(tǒng)所要求的結(jié)構(gòu)是顯而易見(jiàn)的。此外,本發(fā)明也不針對(duì)任何特定編程語(yǔ)言。應(yīng)當(dāng)明白,可以利用各種編程語(yǔ)言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容,并且上面對(duì)特定語(yǔ)言所做的描述是為了披露本發(fā)明的最佳實(shí)施方式。

在此處所提供的說(shuō)明書(shū)中,說(shuō)明了大量具體細(xì)節(jié)。然而,能夠理解,本發(fā)明的實(shí)施例可以在沒(méi)有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中,并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù),以便不模糊對(duì)本說(shuō)明書(shū)的理解。

類(lèi)似地,應(yīng)當(dāng)理解,為了精簡(jiǎn)本公開(kāi)并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè),在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中,本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而,并不應(yīng)將該公開(kāi)的方法解釋成反映如下意圖:即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說(shuō),如下面的權(quán)利要求書(shū)所反映的那樣,發(fā)明方面在于少于前面公開(kāi)的單個(gè)實(shí)施例的所有特征。因此,遵循具體實(shí)施方式的權(quán)利要求書(shū)由此明確地并入該具體實(shí)施方式,其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。

本領(lǐng)域那些技術(shù)人員可以理解,可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中。可以把實(shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件,以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過(guò)程或者單元中的至少一些是相互排斥之外,可以采用任何組合對(duì)本說(shuō)明書(shū)(包括伴隨的權(quán)利要求、摘要和附圖)中公開(kāi)的所有特征以及如此公開(kāi)的任何方法或者設(shè)備的所有過(guò)程或單元進(jìn)行組合。除非另外明確陳述,本說(shuō)明書(shū)(包括伴隨的權(quán)利要求、摘要和附圖)中公開(kāi)的每個(gè)特征可以由提供相同、等同或相似目的的替代特征來(lái)代替。

此外,本領(lǐng)域的技術(shù)人員能夠理解,盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征,但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如,在下面的權(quán)利要求書(shū)中,所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來(lái)使用。

本發(fā)明的各個(gè)部件實(shí)施例可以以硬件實(shí)現(xiàn),或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn),或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解,可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(DSP)來(lái)實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的時(shí)間序列異常值檢測(cè)方法及裝置(如確定網(wǎng)站內(nèi)鏈接等級(jí)的裝置)中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如,計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上,或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到,或者在載體信號(hào)上提供,或者以任何其他形式提供。

應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說(shuō)明而不是對(duì)本發(fā)明進(jìn)行限制,并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中,不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來(lái)實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中,這些裝置中的若干個(gè)可以是通過(guò)同一個(gè)硬件項(xiàng)來(lái)具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序??蓪⑦@些單詞解釋為名稱(chēng)。

當(dāng)前第1頁(yè)1 2 3 
網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
额尔古纳市| 海林市| 高唐县| 如皋市| 宜君县| 建水县| 余干县| 辽中县| 襄樊市| 永善县| 聂荣县| 宜黄县| 开江县| 永顺县| 宁海县| 广南县| 姜堰市| 旬邑县| 漳平市| 乌鲁木齐市| 荃湾区| 平江县| 德州市| 夹江县| 平塘县| 东源县| 修武县| 赤壁市| 临城县| 睢宁县| 乌鲁木齐县| 九龙坡区| 叶城县| 凤阳县| 康保县| 内黄县| 佛冈县| 明水县| 咸阳市| 扬州市| 钟山县|