粗糙集神经网络计算机网络故障诊断方法研究new

《粗糙集神经网络计算机网络故障诊断方法研究new》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、·"!·现代机械*#""’年第(期**"""""""""""""""""""""""""""""""""""""""""""""""文章编号：!""#$%&&%（#""’）"($"")&$"(粗糙集—神经网络计算机网络故障诊断方法研究张建勋，纪纲，曾庆森（重庆工学院计算机学院，重庆*)"""’"）摘要：本文用粗糙神经网络进行计算机网络故障分类判断。首先用粗糙集理论对计算机网络的状态属性进行了约简，将庞大的状态属性表约简为最小属性表，然后将最小属性表作为三层前向神经网络的训练样本，构造了基于三层前向神经网络的计算机网络故障的分类判断系统

2、。实践表明，粗糙神经网络计算机网络故障分类判断系统提高了故障诊断速度，其准确率比单独采用粗糙集方法或人工神经网络的方法都高。关键词：粗糙集*人工神经网络*故障诊断*状态属性表!"#"$%&’()!(*+’,"-."*%$/."-0(%12(34*-"%."-0(%15$*/-67$+)(#7$8"-’(9:;<.=>7$)?@*)，>A=$)+，:;B.=C7)?#’")+?1@653?37/9.5>A13/>56258@.3/9B12

3、9?84/>1=/1393919/91A=/A13/>258@.3/99./52ECF/456>，9.2//=1E/23<52:12>6/821=6/9B:52;:13A8?=9954=133??1@653?3C-./3/2/452>35<=/1393919/91A=/12/3170=/5<9.2//=1E/23<52:12>6/821=6/9:52;CG58

4、@.3/9129?30//>5<457089/26/9:52;<18=9>?1@653?3?602149?4/C-./7/9.5>416?642/13/4522/496/33CE"F0(%9#：258@.3/93；129??1@653/；3919/0250/29E91A=/备性能或通信拥塞问题；应用层的服务未开启或过滤表配置GH引言不合理。而交换机的故障诊断通常仅包括物理层和数据链路由于现代计算机网络日趋超大规模

5、化和高度复杂化，再层的故障。诊断网络故障的过程应该沿着NFL七层模型从物加上网络设备的多样性和网络结构的多变性，网络故障诊断理层开始向上进行。因为低层的故障会引起高层的故障表已成为一项十分复杂和困难但又非常重要的工作。当前的网现，如果从高层开始，无法确定故障的具体原因，所以首先检络管理系统大多基于FIJK（简单网络管理协议）并依靠查物理层，然后检查数据链路层，从低层至上，设法确定通信JLM（管理信息库）变量所提供的信息来完成LFN提出的故障失败的故障点。管理、配置管理、性能管理、安全管理、记费管理等五大网络管网络故障划分为两大类，即连

6、通故障和性能故障。每类理功能。FIJK协议在网络实体间提供并传输管理信息；JLM故障所需诊断的侧重点不同。性能故障的处理方法需要提取变量几乎包含了网络设备所有重要的参数，如路由器的路由一组与设备性能密切相关的JLM变量，如OGO错误数、后冲表、路由器的端口流量数据、路由器中的计费数据、路由器突数、输入Q输出队列数等。数据取回后，按照公式进行计算，OKP的温度、负载以及路由器的内存余量等，所有这些数据把得到的计算结果与根据经验确定的阈值或公认的标准值做都可以从路由器的JLM变量中实时读取、采集到。比较，做出判断。网络故障诊断主要是根据发

7、生故障时的网络状态，通过IH网络状态信息的获取分析代表网络状态的状态属性值来找出产生故障的原因。网络故障诊断的基本思想是：将每个故障的状态、表现归获取网络状态信息的最有效和最直接的方法就是采集网纳总结，搜集能反映网络故障状态的JLM特征属性变量，与络设备的JLM变量，JLM变量可以反映出丰富的网络状态特其它用于诊断故障所需的参数一起，建立故障诊断的模型；当征，是进行网络故障诊断的主要依据。然而，通用的标准JLM网络发生故障时，程序实时地读取JLM变量的值，收集一切变量是十分有限的，利用这些JLM变量只能诊断出少数的网对分析问题有帮助的

8、信息，将其与故障模型的故障表现状态络故障类型，但各个生产厂家在标准JLM基础上都定义了大值进行比较，作出判断。量的私有JLM变量，从这些私有的JLM变量中能找到对故障针对不同类型的设备需要不同的诊断程序。例如：路由诊断有