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(編輯修改稿)
2024-11-24 14:41 本頁面
【文章內容簡介】 之間的關系反映出它們所代表的被管網元之間的關系 [2]。 每個模型通過與自身所表示的被管網元以及與其它模型之間進行 通信，分析自身所表示的網元是否發(fā)生故障。因此，網元的故障首先由模擬該網元的模型識別出，然后報告給互聯網管理系統(tǒng)。 貝葉斯互聯網 貝葉斯互聯網 [3]提出處理不確定性的新方法。通過這些方法即使在信息不完全和不精確的情況下，也可以進行推理。通信互聯網中發(fā)生的告警事件，可能會發(fā)生丟失，收集到的具有相關性告警事件是不確定的。而且激發(fā)相關性告警的故障原因也是不確定的。所以通過貝葉斯互聯網來分析通信互聯網中告警相關性，可以克服告警事件的不確定性。 神經互聯網 神經互聯網是模仿人類 神經系統(tǒng)的工作原理，又相互聯結的神經元組成的系統(tǒng)。各神經元之間是簡單的輸入 /輸出的關系。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。 數據挖掘 數據挖掘是在數據中發(fā)現新穎的模式。它是基于過去事例的泛化的一種歸納學習。數據挖掘在通信領域中的典型應用是基于歷史告警數據，發(fā)現告警相關性規(guī)則。根據發(fā)現的規(guī)則，來分析和預測互聯網元件可能出現的故障。 模糊邏輯 由于通信互聯網結構十分復雜，幾乎不可能建立關于這些互聯網的精確模型，所以需要用模糊邏輯方法來處理一些具體問題。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。并且在故障和告警之間的因果關系通常是不完全的，如由于路由故障，一些告警事件發(fā)生丟失。因此可以通過模糊邏輯描述出不精
公司管理相關推薦
鄂ICP備17016276號-1