粗集理論及其在網(wǎng)絡(luò)故障診斷中的應(yīng)用研究.pdf

1、當(dāng)前網(wǎng)絡(luò)規(guī)模日益擴(kuò)大,網(wǎng)絡(luò)結(jié)構(gòu)日益復(fù)雜,這些新的變化使得網(wǎng)絡(luò)故障的診斷變得越來越困難,急需一個(gè)工具來為網(wǎng)絡(luò)管理人員完成網(wǎng)絡(luò)故障的診斷和排除.網(wǎng)絡(luò)故障診斷依賴于當(dāng)故障發(fā)生時(shí)各種網(wǎng)絡(luò)設(shè)備的狀態(tài)信息,通過分析和判斷這些信息去發(fā)現(xiàn)導(dǎo)致故障的原因.而診斷故障最有效和最直接的方法就是采集網(wǎng)絡(luò)設(shè)備的MIB(management information base)變量.MIB變量能夠反映豐富的網(wǎng)絡(luò)狀態(tài),通過這些變量我們能夠診斷網(wǎng)絡(luò)故障.本文把粗集理論與

2、網(wǎng)絡(luò)故障診斷結(jié)合在一起,把粗集理論的算法應(yīng)用到MIB變量中,以挖掘出MIB變量和網(wǎng)絡(luò)故障之間的潛在關(guān)系.我們構(gòu)建網(wǎng)絡(luò)實(shí)驗(yàn)環(huán)境,從中提取原始的MIB變量,并把MIB變量創(chuàng)建成決策表.在深入的研究基于粗集的數(shù)據(jù)挖掘算法的基礎(chǔ)上,從屬性的重要性和頻度兩個(gè)角度出發(fā)得出了一種結(jié)合二者的啟發(fā)式約簡(jiǎn)算法,該算法以核和用戶偏好屬性集為約簡(jiǎn)的基礎(chǔ),再結(jié)合二者優(yōu)點(diǎn)的同時(shí)不僅利用了核的廣泛性,而且又能有效的利用用戶的背景知識(shí)或領(lǐng)域知識(shí)和經(jīng)驗(yàn).同時(shí)本文把支持度