| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-11页 |
| 1.2.1 国外研究现状分析 | 第10-11页 |
| 1.2.2 国内研究现状分析 | 第11页 |
| 1.3 研究目标和内容 | 第11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 相关理论与技术基础 | 第13-21页 |
| 2.1 事件关联技术 | 第13页 |
| 2.1.1 因果图 | 第13页 |
| 2.2 关联规则挖掘算法 | 第13-16页 |
| 2.2.1 FP‐Growth算法 | 第13-15页 |
| 2.2.2 FP‐Growth算法在Hadoop下的并行化 | 第15-16页 |
| 2.3 机器学习算法 | 第16-19页 |
| 2.3.1 C4.5 | 第17页 |
| 2.3.2 朴素贝叶斯 | 第17-18页 |
| 2.3.3 径向基网络 | 第18-19页 |
| 2.4 相关开发技术 | 第19页 |
| 2.4.1 PHP语言简介 | 第19页 |
| 2.4.2 Python程序设计语言简介 | 第19页 |
| 2.4.3 Hadoop简介 | 第19页 |
| 2.5 本章小结 | 第19-21页 |
| 第三章 基于事件关联的互联网故障诊断技术研究 | 第21-31页 |
| 3.1 整体结构概述 | 第21页 |
| 3.2 互联网服务分析 | 第21-24页 |
| 3.2.1 名词界定 | 第21-22页 |
| 3.2.2 事件分类 | 第22-23页 |
| 3.2.3 互联网服务的特点 | 第23-24页 |
| 3.3 基于规则挖掘及机器学习的故障诊断模型 | 第24-30页 |
| 3.3.1 利用FP‐Growth算法挖掘规则 | 第24-26页 |
| 3.3.2 利用规则进行故障诊断 | 第26-27页 |
| 3.3.3 反馈故障诊断结果 | 第27-28页 |
| 3.3.4 对反馈结果进行学习 | 第28-30页 |
| 3.3.5 诊断模型结构图 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于事件关联的互联网故障诊断系统设计 | 第31-38页 |
| 4.1 系统工作流程 | 第31-33页 |
| 4.2 系统构建原则 | 第33页 |
| 4.3 系统体系结构 | 第33-35页 |
| 4.4 主体模块功能设计 | 第35-37页 |
| 4.4.1 数据源模块功能设计 | 第35页 |
| 4.4.2 数据分析以及结果展示模块功能设计 | 第35-36页 |
| 4.4.3 离线挖掘规则模块功能设计 | 第36-37页 |
| 4.4.4 机器学习模块功能设计 | 第37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 系统原型实现及运行实例 | 第38-47页 |
| 5.1 系统实现平台 | 第38页 |
| 5.2 系统使用的软件和相关技术 | 第38-39页 |
| 5.2.1 系统使用的软件 | 第38页 |
| 5.2.2 系统使用的框架和技术 | 第38-39页 |
| 5.3 系统主要模块代码结构 | 第39-41页 |
| 5.3.1 挖掘规则模块 | 第39页 |
| 5.3.2 数据展示分析模块 | 第39-40页 |
| 5.3.3 机器学习模块 | 第40-41页 |
| 5.4 系统运行实例 | 第41-44页 |
| 5.4.1 挖掘规则模块 | 第41页 |
| 5.4.2 数据分析展示模块 | 第41-43页 |
| 5.4.3 机器学习模块 | 第43-44页 |
| 5.5 结果分析及结论 | 第44-46页 |
| 5.5.1 数据挖掘以及机器学习效果 | 第44-45页 |
| 5.5.2 系统效果评价 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第六章总结和展望 | 第47-49页 |
| 6.1 工作总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |