計算機網絡故障的智能化診斷方法

網絡診斷(Network Tomography)是近代發展的一種新的網絡測量與推論方法， 下面YJBYS小編為大家搜索整理了關於計算機網絡故障的智能化診斷方法，歡迎參考閲讀，希望對大家有所幫助!想了解更多相關信息請持續關注我們應屆畢業生培訓網!

　　1、人工神經網絡故障診斷法

利用神經網絡進行故障診斷，首先對所得的特徵數據進行預處理，剔除不合理數據(外值)，並對數據進行約簡，消除宂餘信息，神經網絡的結構(中間層的傳遞函數和神經元數目)和參數(神經元之間的連接權值和閥值)被確定。再利用測試樣本集對此神經網絡進行測試，如果故障診斷的正確率沒有達到要求，增加訓練樣本或訓練次數，繼續對神經網絡進行訓練;如果故障診斷的正確率達到要求，即可轉入故障診斷階段，此階段可以在線進行。

　　2、基於專家系統和模糊推理的故障診斷法

模糊推理是採用模糊邏輯由給定的輸入到輸出的映射過程。首先，利用專家的知識和經驗構建知識庫，對故障與故障現象、現象與現象以及故障與故障之間的關係進行描述。然後通過專家定製、確定性規則轉化、數據挖掘或神經網絡技術確定模糊規則。最後通過模糊推理機，得到故障的類型和位置信息。

　　3、基於支持向量機(SVM)的故障診斷法

支持向量機作為一種機器學習算法，具有非凡的泛化能力，與其它智能化方法相比，在解決小樣本、非線性和高維模式識別中表現出明顯的優勢，被應用於圖像處理、模式識別和數據分析等領域。從本質上來説，網絡故障診斷實際上是一個模式識別問題，可以利用支持向量進行網絡故障診斷，具體步驟如下：

(1)網絡狀態信息獲取並約簡，並將特徵數據分為兩部分：訓練樣本集和測試樣本集;

(2)選擇支持向量機的初始化參數，包括核函數的參數和懲罰參數等;

(3)利用訓練樣本集對支持向量機進行訓練，得到最優分類超平面;

(4)利用測試集檢驗診斷效果，如果診斷的正確率沒有達到要求，增加訓練集中的樣本，對支持向量機重新進行訓練;

(5)如果診斷的正確率達到要求，則轉到正式工作階段，進行在線故障診斷。

　　4、基於人工免疫算法的診斷法

基於人工免疫的計算機網絡故障診斷應用生物免疫系統中的`否定選擇、克隆選擇、高頻變異、免疫學習和免疫記憶等多種機制，構建一個基於免疫原理的網絡故障診斷模型，模型主要包括學習和故障診斷兩個過程。其診斷步驟如下：

(1)將選定的表徵網絡故障特徵的數據進行處理，並組成特徵向量，作為樣本數據集;

(2)完成對系統相關參數的設置，包括未成熟檢測器的耐受期、成熟檢測器的生命週期和成熟檢測器的激活閾值等參數的設置;

(3)離線學習，在此階段經過訓練生成相應的成熟檢測器集合，以實現對計算機網絡故障的有效檢測;

(4)故障診斷，得到滿足條件的成熟檢測器;

(5)連續學習，未成熟檢測器學習進化，親和力逐漸成熟，經由成熟檢測器，最終保存於記憶庫中。