基于数据挖掘的移动网络故障检测系统

论文摘要

随着信息技术的高速发展,移动通信工具的使用已经渗透到人们日常生活的各个方面,同时人们对于移动通信网络服务质量要求越来越高。随着用户群的不断增大,移动通信网络所承受的压力也在不断增加。在依靠人工对网络故障进行检测的过程中,网络管理者要做大量的工作,过程烦琐而且检测质量也不能令人满意。采用基于数据挖掘的移动网络故障检测系统的手段进行网络故障检测是对故障管理的有效手段之一。这种方法不仅能够减少网络管理者的工作量,而且检测结果也比较精确,同时还能够减少网络管理的费用。本文根据现今移动通信网络的发展特点,结合目前人工智能的发展情况,介绍了一种利用数据挖掘知识对网络故障进行发现及告警的网络故障管理方法。该方法通过利用数据挖掘中聚类方法对通信网络中的数据进行处理,根据数据挖掘相关的知识对处理的结果进行分析,结合通信网络的相关特点得出网络故障和故障的发生原因。本文重点介绍了数据挖掘知识对移动通信网络中的数据进行处理的方法,通过数据挖掘中的知识在大量的通信网络数据中提取对判定故障有用的数据。采用数据挖掘中经常用到的K-Medoids算法对通信网络中的数据进行处理比较,然后利用通信网络的相关知识对处理结果进行分析,得出网络故障的原因。根据网络故障的具体情况,将得出的这些结果进行计算机化表示,并将其存入专家系统的知识库中,以便以后进行网络故障的诊断时使用。最后文章还介绍了一些故障诊断专家系统中知识表示方面的知识,采用合理的知识表示方法可以有效的提高专家系统的性能。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文的研究背景
• 1.2 论文研究的内容与意义
• 1.3 国内外研究现状及进展
• 1.3.1 课题的国外研究现状
• 1.3.2 课题的国内研究现状
• 1.3.3 已有故障检测系统存在的问题
• 1.4 选题的依据及研究工作
• 1.4.1 本文的选题依据
• 1.4.2 本文的研究工作
• 1.5 本文的组织结构
• 1.6 本章小结
• 第二章 网络故障判定方法和专家系统的发展及现况的介绍
• 2.1 网络故障管理所用研究方法
• 2.2 专家系统及其介绍
• 2.2.1 专家系统的概念
• 2.2.2 专家系统与传统应用程序的区别
• 2.3 专家系统的发展过程及现状
• 2.3.1 专家系统的发展过程
• 2.3.2 专家系统的现状
• 2.4 专家系统的结构
• 2.4.1 专家系统中的知识库
• 2.4.2 专家系统中的知识库系统
• 2.4.3 专家系统中的推理机制
• 2.5 本章小结
• 第三章 数据挖掘知识在移动通信网络中的故障发现策略
• 3.1 最小子集的发现算法
• 3.2 数据挖掘算法在故障发现过程中的应用
• 3.2.1 聚类分析的应用
• 3.2.2 聚类和分类的区别
• 3.3 聚类算法的介绍
• 3.3.1 K-Means 算法简介
• 3.3.2 K-Medoids 算法简介
• 3.4 算法对模拟数据的实验结果
• 3.5 本章小结
• 第四章 专家系统知识表示与知识库的设计
• 4.1 故障告警专家系统中知识的概念和知识分类
• 4.2 故障告警专家系统中知识的特性
• 4.3 故障告警专家系统中专家系统中知识的表示方法
• 4.3.1 告警系统知识的一阶谓词逻辑表示法
• 4.3.2 告警系统知识的产生式表示法
• 4.3.3 告警系统知识的语义网表示方法
• 4.3.4 告警系统知识的框架表示法
• 4.4 故障告警专家系统中知识库的设计
• 4.4.1 故障告警专家系统知识库表的结构
• 4.4.2 故障告警专家系统中知识的规则表示
• 4.5 故障告警专家系统的数据库的设计
• 4.6 故障告警专家系统的功能实现
• 4.7 本章小结
• 第五章 总结与展望
• 5.1 论文的总结
• 5.2 论文所做工作的展望
• 参考文献
• 发表论文和科研情况说明
• 致谢