基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)故障診斷技術(shù)研究與應(yīng)用.pdf

1、計(jì)算機(jī)網(wǎng)絡(luò)作為當(dāng)今世界不可或缺的基礎(chǔ)設(shè)施之一，無(wú)論是在工業(yè)生產(chǎn)，還是在我們的日常生活中都扮演了極其重要的角色。與此同時(shí)，計(jì)算機(jī)網(wǎng)絡(luò)的規(guī)模日益龐大，其復(fù)雜程度也越來(lái)越高，導(dǎo)致網(wǎng)絡(luò)運(yùn)營(yíng)商對(duì)網(wǎng)絡(luò)的有效性管理面臨嚴(yán)峻挑戰(zhàn)。故障診斷是網(wǎng)絡(luò)管理中重要且難度極大的任務(wù)之一，如果網(wǎng)絡(luò)中的故障不能夠被快速地診斷和修復(fù)，不僅增大了網(wǎng)絡(luò)運(yùn)營(yíng)商的運(yùn)營(yíng)成本，而且還降低了用戶服務(wù)質(zhì)量。因此本文圍繞利用機(jī)器學(xué)習(xí)的方法對(duì)網(wǎng)絡(luò)故障進(jìn)行智能診斷并將其應(yīng)用到IPTV故障診斷

2、系統(tǒng)中做了研究。本文的主要工作和貢獻(xiàn)如下：
　?。?）研究了網(wǎng)絡(luò)故障診斷中的若干種方法。已有的網(wǎng)絡(luò)故障診斷方法在面對(duì)當(dāng)今復(fù)雜網(wǎng)絡(luò)環(huán)境時(shí)，都不同程度地存在著診斷知識(shí)難于獲取或難于更新的缺點(diǎn)，而基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)故障診斷技術(shù)能夠從復(fù)雜網(wǎng)絡(luò)環(huán)境中自動(dòng)學(xué)習(xí)故障診斷知識(shí)，并利用學(xué)習(xí)到的診斷知識(shí)對(duì)故障進(jìn)行快速地檢測(cè)和定位。
　　（2）研究了基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)故障診斷技術(shù)國(guó)內(nèi)外相關(guān)工作，并詳細(xì)介紹了機(jī)器學(xué)習(xí)中的基于質(zhì)心的分類器（CBC）、

3、Logistic回歸、支持向量機(jī)（SVM）以及人工神經(jīng)網(wǎng)絡(luò)（ANN）的相關(guān)理論和算法推導(dǎo)。
　　（3）針對(duì) CBC算法在樣本分布不均衡的數(shù)據(jù)集上存在的模型失配問(wèn)題，提出一種新的基于質(zhì)心的模型-引力質(zhì)心模型（GCM），實(shí)驗(yàn)結(jié)果表明，GCM的宏平均F1以及微平均F1評(píng)價(jià)指標(biāo)全面超越CBC。
　?。?）通過(guò)實(shí)驗(yàn)綜合比較分析CBC、GCM、Logistic回歸、SVM以及ANN在IPTV故障檢測(cè)數(shù)據(jù)集以及故障定位數(shù)據(jù)集中的性能表現(xiàn)。