| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略词表 | 第13-14页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景与研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 告警相关性分析 | 第15-16页 |
| 1.2.2 分布式故障诊断系统 | 第16-17页 |
| 1.2.3 告警相关性分析方面的软件产品 | 第17页 |
| 1.3 研究内容和主要创新点 | 第17-18页 |
| 1.4 论文结构 | 第18-19页 |
| 第二章 论文相关领域的基础知识 | 第19-34页 |
| 2.1 数据挖掘 | 第19-25页 |
| 2.1.1 数据挖掘概论 | 第19-20页 |
| 2.1.2 关联规则挖掘 | 第20-25页 |
| 2.2 模糊理论 | 第25-27页 |
| 2.2.1 模糊集合概念 | 第25页 |
| 2.2.2 模糊C均值聚类算法 | 第25-27页 |
| 2.3 模糊关联规则挖掘 | 第27-33页 |
| 2.3.1 模糊关联规则基本概念 | 第27-29页 |
| 2.3.2 模糊关联规则挖掘经典算法 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 多域分布式网络的告警模糊关联规则挖掘 | 第34-60页 |
| 3.1 基于模糊关联规则挖掘的网络告警相关性分析系统的设计 | 第34-37页 |
| 3.1.1 系统总体结构模型 | 第34-35页 |
| 3.1.2 多域分布式网络的告警模糊关联规则挖掘子模块的设计 | 第35-37页 |
| 3.2 告警预处理 | 第37-48页 |
| 3.2.1 告警事务库的建立 | 第37-42页 |
| 3.2.2 基于点密度的FCM算法初始化方法的改进 | 第42-44页 |
| 3.2.3 模糊告警事务库的建立 | 第44-48页 |
| 3.3 模糊频繁项集与模糊关联规则的表示形式 | 第48-50页 |
| 3.4 基于线性链表的告警模糊关联规则的挖掘算法 | 第50-55页 |
| 3.4.1 LLB-FARM的数据存储结构 | 第50-51页 |
| 3.4.2 LLB-FARM中对线性链表的基本操作 | 第51-52页 |
| 3.4.3 LLB-FARM的算法描述 | 第52-53页 |
| 3.4.4 LLB-FARM算法与FDMA算法及Fuzzy FP-tree算法的比较 | 第53-55页 |
| 3.5 两种分布式挖掘算法 | 第55-59页 |
| 3.5.1 局部-局部算法 | 第55-58页 |
| 3.5.2 全局-局部算法 | 第58-59页 |
| 3.5.3 局部-局部算法和全局-局部算法的比较 | 第59页 |
| 3.6 本章小结 | 第59-60页 |
| 第四章 实验仿真分析 | 第60-71页 |
| 4.1 仿真环境 | 第60-61页 |
| 4.2 数据准备 | 第61页 |
| 4.3 实验结果与分析 | 第61-69页 |
| 4.3.1 LLB-FARM算法与FDMA算法、Fuzzy FP-tree算法的比较 | 第61-64页 |
| 4.3.2 两种分布式算法的时间性能分析 | 第64-66页 |
| 4.3.3 模糊最小支持度对算法性能的影响 | 第66页 |
| 4.3.4 模糊最小置信度对算法性能的影响 | 第66-67页 |
| 4.3.5 局部-局部算法中两种方案的分析 | 第67页 |
| 4.3.6 多域分布式网络告警模糊关联规则挖掘结果分析 | 第67-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 结论 | 第71-74页 |
| 5.1 总结 | 第71-72页 |
| 5.2 展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 个人简历和攻硕期间取得的研究成果 | 第78-79页 |
