計算機網絡技術專業(yè)畢業(yè)論文網絡故障分析與檢測技術的研究(存儲版)
【正文】 報告給互聯網管理系統。通過學習待分析數據中的模式來構造模型，而這個模型本身相當于一個 “ 黑箱 ” ，我們并不了解 “ 黑箱 ” 內部的東西，而只要求我們在已經訓練好的神經互聯網中輸入端輸入數據，就可以在輸出端直接得到預期的結果。因此可以通過模糊邏輯描述出不精確互聯網模型，用于分析不完全的告警相關性[1]。而且知識的獲取是基于規(guī)則系統的一個很大瓶頸，因為規(guī)則獲取主要從專家那里獲得，且無自學習的功能。但是它需要為每個網元建立一個模型軟件，當互聯網規(guī)模逐漸增大時這一任務的復雜性就會越來越高。 傳統上人們傾向于采用某一種方法對告警事件進行分析，但是通過上面介紹，我們可以得知，每一種方法都有 其優(yōu)缺點。該方法還可與神經互聯網和遺傳算法相結合，進一步完善其學習能力。所有知識都采用 “if then”或者 “condition action” 規(guī)則集的形式。因此基于數據挖掘告警相關性系統可以很快地調整適應一些變化快的通信互聯網，解決通信互聯網中出現的新問題 [1]。它對于互聯網變化處理反應不敏感，處理過程較復雜而且費時，這對于要求實時性高的告警處理是一個問題。 基于規(guī)則的推理系統結構簡單，比較容易實現。而且實際上由于互聯網配置經常發(fā)生變化，互聯網模型越詳細，那么它過時的速度會越快。 神經互聯網 神經互聯網是模仿人類 神經系統的工作原理，又相互聯結的神經元組成的系統。這樣，模型之間的關系反映出它們所代表的被管網元之間的關系 [2]。 基于事例的推理 基于事例的推理是通過直接利用過去的經驗和方法，來解決給定的問題。告警是當檢測到錯誤或異常狀態(tài)時產生的特定類型的通知。通過 對比幾種方法，提出采用基于事例推理和基于規(guī)則推理的兩種方法對故障
公司管理相關推薦
鄂ICP備17016276號-1