《面向業務基於模糊關聯規則挖掘的網路故障診斷》是依託電子科技大學,由李興明擔任醒目負責人的面上項目。
基本介紹
- 中文名：面向業務基於模糊關聯規則挖掘的網路故障診斷
- 依託單位：電子科技大學
- 項目類別：面上項目
- 項目負責人：李興明
項目摘要,結題摘要,
項目摘要
智慧型化的網路故障診斷是下一代網路高可信度的重要保障。傳統的網路管理以網路設備為被管對象，而實際套用中用戶關心的的是網路業務的正常性，網路設備的正常運行並不意味著網路業務的正常運行。.本項目以面向業務的網路故障管理為基礎，將網路業務作為主要被管理對象，研究了面向資源的網路性能參數和面向業務的QoS參數之間的映射，同時，將模糊理論、模糊推理與數據挖掘結合起來，對多層多域網路的故障信息進行二維模糊關聯規則的挖掘，以及分散式網路的並行關聯規則挖掘，全方位地對網路故障相關性分析進行深入研究，重點解決在告警信息不確定的情況下，快速有效地進行網路的故障診斷的問題。本項目研究的理論和方法還可以推廣套用到網路安全、入侵檢測等其它領域，具有較強的實用背景和廣闊的套用前景。
結題摘要
智慧型化的網路故障診斷是下一代網路高可信度的重要保障。傳統的網路管理以網路設備為被管對象，而實際套用中用戶關心的的是網路業務的正常性，網路設備的正常運行並不意味著網路業務的正常運行。 本項目以面向業務的網路故障管理為基礎，將網路業務作為主要被管理對象，建立了面向業務的網路故障診斷模型，採用神經網路技術，研究了面向資源的網路性能參數和面向業務的QoS參數之間的映射，在此基礎上，建立了網路業務層的告警機制。結合告警信息多域分散式的特徵，提出了一種使各個子域採用時間視窗及滑動步長機制同步建立告警事務庫的同步策略。在項目的研究中，將模糊理論、模糊推理與數據挖掘結合起來，提出了CPFCM算法對量化後的告警數據進行模糊化處理。該算法首先對數據進行“粗”聚類，得到k個聚類中心向量後，再進一步“細”聚類。在模糊化的基礎上，對多域多層網路的故障信息進行二維模糊關聯規則的挖掘，以及分散式網路的並行關聯規則挖掘，研究了相應的挖掘算法。並提出了一種具有還原性的加權多維多重模糊推理機制，以及基於分組和排序思想的匹配與搜尋策略。全方位地對網路故障相關性分析進行深入研究，重點解決在告警信息不確定的情況下，快速有效地進行網路的故障診斷的問題。 本項目研究的理論和方法可以推廣套用到網路安全、入侵檢測等其它領域，具有較強的實用背景和廣闊的套用前景。
