基于加权关联模式的通信网告警相关性分析

《基于加权关联模式的通信网告警相关性分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、硕博论文基于加权关联模式的通信网告警相关性分析冯婧矗，李兴明(电子科技大学宽带光纤传输与通信网技术教育部重点实验室成都610054)说．挖掘效率不高。1引言本文针对通信网告警信息数量大，发生具有突发性．故障诊断与定位是网络管理的核心。当网络发生故障告警信息存在不同重要程度的特点，引入了比例加权支持时．要求能及时找到网络发生故障的位置和原因．以便快度的概念．并提出了一种基于加权关联模式树的加权关联速地排除故障，恢复网络的功能。告警相关性分析是网络模式挖掘算法。引入比例加权支持度，能更合理地反映告故障诊断的重要手段之一．它的作用在于消除告警冗余，警事务的重要程度，有助于提高告警相

2、关性分析的准确进一步找到故障根源以便进行故障快速定位。告警相关性性。加权关联模式树将FP树[4j的结构改进为单向，能节约分析方法很多，其中基于数据挖掘的告警相关性分析是目大约1／3的树空间。从其上挖掘加权关联模式，避免了重前的研究热点。复扫描数据库的庞大I／O开销，具有良好的时间效率。基于数据挖掘的通信网告警相关性分析系统l_1采用2加权关联模式挖掘的是关联规则的经典算法——Apriori算法口1和FP．growth算法l4J。然而，通信网中的告警具有不同级别，不同QoS的2．1加权关联模式树业务对告警处理的要求也不同，故告警的重要程度并不相MINWAL(O1和MINWAL(

3、W)~法．均需要多次遍历整同．为体现这种差异需引入加权的概念。加权关联规则挖个数据库。本文使用一种名为加权关联模式树(WAP树)掘算法比较成功的是MINWAL(O)和MINWAL(W)~法1。的紧凑数据结构组织．并直接从该结构中提取加权关联模由于采用权重累加的方式，算法会提取出大量虚假模式，式。WAP树被存放在内存中，不必重复扫描原始数据库，影响告警相关性分析的准确性。而且，算法需要多次遍历避免了大量的I／O开销。整个数据库，对于具有海量数据的通信网告警数据库来WAP树与参考文献[4]00的FP树具有类似的结构．但不同之处有以下几点。国家自然科学基金资助项目(No．60572

4、091)FP树的结点为频繁1．项集，WAP树的结点为加权潜硕博论文在1．项集。加权潜在1．项集即为MINWAL(0)算法中候选加权支持度sup(JP)=xsu~p)，其中sup(P)为1．项集Cl。传统意义上的支持度。FP树是双向的．而WAP树是单向的。WAP树中不存若模式P的比例加权支持度大于或等于比例加权支在从“树根”到“树叶”的路径。这样，WAP树的结点域包含持度阈值，则模式P是比例加权频繁模式。显然，比例加权更少的指针．从而节约了大约1／3的树空间。对于数据量支持度具有反单调性。即如果模式P是比例加权频繁模庞大的通信网告警数据库，两者所占用的内存空间的差异式，则它的所

5、有子模式一定也是比例加权频繁的。故能采将不可忽略。取基于比例加权支持度的剪枝，实现快速修剪搜索空间。WAP树的结点包含4个字段：结点名称(name)、支2．3加权关联模式挖掘算法持度计数(count)、指向最左子女结点或父结点的指针模式P是加权关联模式。是指该模式P满足下面两个(pointer)和指向右兄弟结点或结点链中下一个结点的指条件：针(1ink)。f一＼从空树出发。WAP树可按如下步骤构造：’WSup(P)=l)xsup(P)~minwsup；·扫描数据库D。得到按出现频率的降序排列的加权‘P潜在1．项集集合List；·rwsup(P)>Imin_rwsup。·再次扫

6、描数据库D，对每个事务trans，删除trails中FP-growth算法通过不断递归生成条件模式树来挖掘不是加权潜在1．项集的项。将剩下的项按其在List频繁模式【4---。若支持度阈值很小时，即使是小数据库也会中的顺序排列插入WAP树：产生数以万计的频繁模式，动态地生成和释放条件模式树·遍历WAP树．生成结点链，并翻转pointer，生成项将耗费大量的时间和空间。若得不到及时的释放，还会造头表．使List中每个项通过一个结点链指向它在树成内存溢出。对于具有海量数据的通信网告警数据库，这中的出现。种算法的挖掘效率不高。着眼于此，本文提出了一种基于2．2比例加权支持度WAP树

7、的加权关联模式的挖掘算法。算法的基本思想是，通信网中的告警具有不同级别，如严重告警、重大告从WAP树中循环挖掘加权关联模式。循环挖掘以某1．项集警、一般告警和提示性告警等，不同QoS的业务对告警处为特定后缀的加权关联模式。挖掘过程中采取逐层搜索的理的要求也不同。故应结合告警的重要程度(告警权值)来迭代方法．避免递归生成大量条件模式树，每次迭代都使用分析告警间的关联性。对于由多个告警项组成的模式，该1．项集前缀路径中曾出现过的k．模式探索(k+1)．模式，MINWAL(O)算法将各告警项的权值累加并将结果