计算机网络技术专业毕业论文网络故障分析与检测技术的研究内容摘要：
之间的关系反映出它们所代表的被管网元之间的关系 [2]。 每个模型通过与自身所表示的被管网元以及与其它模型之间进行 通信，分析自身所表示的网元是否发生故障。 因此，网元的故障首先由模拟该网元的模型识别出，然后报告给互联网管理系统。 贝叶斯互联网 贝叶斯互联网 [3]提出处理不确定性的新方法。 通过这些方法即使在信息不完全和不精确的情况下，也可以进行推理。 通信互联网中发生的告警事件，可能会发生丢失，收集到的具有相关性告警事件是不确定的。 而且激发相关性告警的故障原因也是不确定的。 所以通过贝叶斯互联网来分析通信互联网中告警相关性，可以克服告警事件的不确定性。 神经互联网 神经互联网是模仿人类 神经系统的工作原理，又相互联结的神经元组成的系统。 各神经元之间是简单的输入 /输出的关系。 通过学习待分析数据中的模式来构造模型，而这个模型本身相当于一个 “ 黑箱 ” ，我们并不了解 “ 黑箱 ” 内部的东西，而只要求我们在已经训练好的神经互联网中输入端输入数据，就可以在输出端直接得到预期的结果。 数据挖掘 数据挖掘是在数据中发现新颖的模式。 它是基于过去事例的泛化的一种归纳学习。 数据挖掘在通信领域中的典型应用是基于历史告警数据，发现告警相关性规则。 根据发现的规则，来分析和预测互联网元件可能出现的故障。 模糊逻辑 由于通信互联网结构十分复杂，几乎不可能建立关于这些互联网的精确模型，所以需要用模糊逻辑方法来处理一些具体问题。 而且实际上由于互联网配置经常发生变化，互联网模型越详细，那么它过时的速度会越快。 并且在故障和告警之间的因果关系通常是不完全的，如由于路由故障，一些告警事件发生丢失。 因此可以通过模糊逻辑描述出不精。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。