基本信息
- 项目名称：
- 基于粒计算的网络故障诊断方法研究
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 信息技术
- 大类：
- 自然科学类学术论文
- 简介：
- 为了提高网络故障诊断的速度和正确性，揭示故障的发生发展规律, 本文提出了以粒计算理论为基础的网络故障诊断方法。阐述了粒计算的知识约简方法，利用基于概率规则的决策规则获取算法，并对网络故障决策表进行粒化、约简和分类处理，提取出可靠性强和预测效率高的决策规则。最后通过实验证明该方法是有效可行的。
- 详细介绍：
- 计算机网络的稳定性一直是人们比较关心的问题。为了提高网络故障诊断的速度和正确性，揭示故障的发生发展规律, 提出了以粒计算理论为基础的网络故障诊断方法。该方法利用基于概率规则的决策规则获取算法，对网络故障决策表进行知识粒化，以正确度和覆盖度为判定条件，删除冗余的属性集，获得决策规则集，提取出有潜在价值的信息和模式，为网络故障的查找、定位提供决策依据。该方法可有效减少网络管理人员的工作量，提高网络故障诊断的效率。 1.把粒计算的思想应用到网络故障诊断中，通过概率规则的获取来研究诊断网络故障的方法在国内尚未见报导。 2.研究中得到了一些扩展性成果：利用已获得的负规则提取算法进一步粒化网络故障的决策表；利用负规则对网络故障数据库进行挖掘，获得网络故障和故障原因之间的深层次的多重关联规则；将提取出的正规则的逆否命题作为定理简化约简过程。 3.据此方法可建立基于粒计算的网络故障诊断系统，能够随时了解网络的状态及其变化情况，捕获网络中的故障。根据建立的网络故障数据库，自动分析故障的类型、原因以及故障源，并向用户报警同时提交详细的故障报告，保证网络的高服务质量和可靠性。
作品图片
作品专业信息
撰写目的和基本思路
- 计算机网络稳定性一直是人们关心的问题，由于网络故障普遍性、多样性，形成了海量不确定的证据和知识。粒计算是一种新的处理不确定信息的数学分析方法。本小组将粒计算的思想应用到网络故障诊断中，利用基于概率规则的决策规则获取算法，对网络故障决策表进行约简、分类处理，提取出可靠性强和预测效率高的决策规则。目的是提取出隐含在数据库中的有潜在价值的信息和模式，为网络故障的查找、定位提供决策，提高故障诊断效率。
科学性、先进性及独特之处
- 1.本小组以学校网络中心为实验依托，研究内容紧扣当今热点。 2.现阶段常用的网络故障诊断方法对数据完善程度要求较高、无法对模糊的信息进行处理、尤其是无法排除那些冗余的干扰性因素，使得网络故障的诊断变得繁琐，效率低下。与之相比，粒计算的约简和规则提取方法，有着明显的优越性。 3.把粒计算的思想应用到网络故障诊断中，通过概率规则的获取来研究网络故障诊断的方法在国内应属首例。
应用价值和现实意义
- 1.据此建立网络故障诊断系统，能够随时了解网络状态及其变化情况，捕获网络故障。根据建立的网络故障数据库，自动分析故障的类型及故障源，向用户报警、提交详细故障报告，保证网络可靠性。 2.改变传统网络故障主要靠人来检测的问题，降低故障检测的成本。可以应用于中国移动、大型银行网络和局域网等的故障诊断中。 3.该方法是粒计算应用上一次新的尝试，将对网络管理的理论研究和应用开发起到推进作用。
学术论文摘要
- 为了提高网络故障诊断的速度和正确性，揭示故障的发生发展规律, 首次提出了以粒计算理论为基础的网络故障诊断方法。文中阐述了粒计算的知识约简方法，利用基于Rough集理论的概率规则的决策规则获取算法，对网络故障的决策表进行知识粒化，删除冗余的属性集，获得决策规则集，同时利用已获得的负规则提取算法进一步粒化网络故障的决策表，从而提取出可靠性强和预测效率高的决策规则。最后通过实验证明了该方法的有效性。另外，本文成果还具有可扩展性，如利用负规则对网络故障数据库进行挖掘，获得网络故障和故障原因之间的深层次的多重关联规则；将提取出的正规则的逆否命题作为定理简化约简过程。
获奖情况
- 无
鉴定结果
- 情况属实
参考文献
- [1]Pawlak Z. Rough sets [J]. International Journal of Computer and Information Sciences, 1982, (11):341~356. [2]Chang Liyun, Wang Guoyin, Wu Yu. An Approach for Attribute Reduction and Rule Generation Based on Rough Set Theory. Journal of Software, 1990, 10(11):1206-1211(in Chinese). [3]Xu Jiucheng, Sun Lin. A New Knowledge Reduction Algorithm Based on Decision Power in Rough Set. Transactions on Rough Sets XII, Lecture Notes in Computer Science, 2010, 6190: 76-89. [4]王国胤. Rough集理论与知识获取[M]. 西安交通大学出版社,2001. [5]Xu Jiucheng, Sun Lin. Knowledge Reduction and its Rough Entropy Representation of Decision Tables in Rough Set. 2007 IEEE International Conference on Granular Computing, Silicon Valley, California, 2007, 249-252. [6]Greg Tomsho. 网络维护和故障诊断指[M]. 清华大学出版, 2003. [7]Robert J. Shimonski. 网络优化及故障检修[M]. 北京：电子工业出版社, 2004.
同类课题研究水平概述
- 1、国外研究现状 国外在网络故障管理方面的研究起步较早，有网络故障管理专家系统的商业化产品。目前，国外的网络管理软件如IBM的NetView，HP公司的OpenView，SUN公司的Sun NetManager等，都没有提供良好的网络故障定位功能，故障管理的功能实现需要管理人员通过人工经验分析去完成，未实现网络故障管理的自动化。将粒计算技术应用于计算机网络故障诊断的研究相对较少，也还未形成实用的系统。 2、国内研究现状 网络管理在国内也是网络研究的热点，取得了一些阶段性的成果。如清华大学的CIMS网络监控管理系统，东南大学的网络管理系统Watcher，以及上海交通大学与日本合作开发的Walker中文版网络管理系统等。这些系统虽然部分涉及到了基于专家系统的故障诊断方法，基于神经网络的故障诊断方法和基于模糊神经网络的故障诊断方法等人工智能技术，但这些理论固有的缺陷使得实际结果与应用需求还有较大的差距。 3、存在的不足 ①基于专家系统的故障诊断方法专家系统不能处理那些因网络环境变化而产生的新数据，已建立的规则不够健全，无法跟随网络的动态变化；对于未经专门训练的网络用户，向专家系统添加规则比较困难；随着领域知识的变化，需要动态添加或删除相应的规则，维护的工作量较大。 ②基于神经网络的故障诊断方法也存在着一定的局限性：如训练样本获取比较困难；系统不能发现过去没有出现过的故障；另外由于神经网络对诊断结果缺乏解释能力，对用户来说整个诊断系统相当于一个“黑箱”，不具备透明性。 ③基于模糊神经网络的故障诊断方法，将模糊逻辑理论和神经网络技术相结合，在实现上具有一定的复杂性。 4、粒计算的引入 由于网络故障的普遍性和多样性，以及由此形成的海量的可利用的不确定的证据和知识，传统的网络故障管理技术从功能上、效率上和网络管理成本上均无法满足对大型复杂网络系统的管理。粒计算是人工智能领域中的一种新理念和新方法。主要用于对不确定、不精确、不完整信息的处理，对海量数据的挖掘以及对复杂问题的求解。 基于概率规则的决策规则获取算法，通过对网络故障决策表进行粒化、约简和分类处理，可以提取出可靠性强和预测效率高的决策规则，同时，通过对覆盖度和正确度的循环利用，提取出隐含在数据库中有潜在价值的信息和模式，提高网络的服务质量和可靠性。
