| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状及发展前景 | 第14-16页 |
| 1.2.1 模糊理论与模糊推理 | 第14-15页 |
| 1.2.2 网络故障诊断 | 第15-16页 |
| 1.3 论文研究内容及创新点 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第二章 论文涉及领域的相关知识 | 第18-27页 |
| 2.1 网络故障管理 | 第18-19页 |
| 2.2 模糊理论及模糊推理算法 | 第19-25页 |
| 2.2.1 模糊理论 | 第19-21页 |
| 2.2.2 模糊推理算法 | 第21-25页 |
| 2.3 模糊神经网络 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于多维多重模糊推理的网络故障诊断系统 | 第27-43页 |
| 3.1 告警模糊化处理 | 第27-29页 |
| 3.2 模糊关联规则的获取 | 第29-30页 |
| 3.3 多维多重模糊推理算法 | 第30-41页 |
| 3.3.1 模糊推理算法的还原性分析 | 第31-35页 |
| 3.3.2 一种满足还原性的加权多维多重模糊推理算法 | 第35-41页 |
| 3.4 反模糊化 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 模糊推理模型及其中权值的获取 | 第43-62页 |
| 4.1 模糊匹配策略 | 第43-46页 |
| 4.2 模糊推理模型的获取 | 第46-48页 |
| 4.3 模糊推理模型中权值的获取 | 第48-61页 |
| 4.3.1 模糊神经网络的结构 | 第48-50页 |
| 4.3.2 BP学习算法分析 | 第50-53页 |
| 4.3.3 改进的BP学习算法 | 第53-55页 |
| 4.3.4 利用改进的BP算法训练模糊神经网络得到权值 | 第55-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 仿真实验分析 | 第62-76页 |
| 5.1 仿真系统设计 | 第62-65页 |
| 5.2 仿真结果分析 | 第65-75页 |
| 5.2.1 模糊匹配时不同模糊贴近度的比较分析 | 第65-69页 |
| 5.2.2 不同模糊推理算法的性能比较分析 | 第69-72页 |
| 5.2.3 不同网络规模下各模糊推理算法的效率分析 | 第72-75页 |
| 5.3 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 未来工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 个人简历及攻硕期间取得的研究成果 | 第81-82页 |
