战略互联网故障智能诊断策略研究
摘要 | 第1-7页 |
Abstract | 第7-11页 |
目录 | 第11-14页 |
1 绪论 | 第14-34页 |
·引言:信息化战争呼唤网络故障智能诊断技术 | 第14页 |
·战略互联网的概述 | 第14-18页 |
·论文的背景和意义 | 第18-22页 |
·国内外现状 | 第18-19页 |
·故障诊断的智能化 | 第19-22页 |
·基于动态代理群的分布式自适应网络故障诊断框架 | 第22-29页 |
·基于动态SNMP代理群的网络故障诊断模型 | 第24-25页 |
·动态的群管理策略 | 第25-29页 |
·战略互联网故障诊断技术的演化和问题 | 第29-31页 |
·战略互联网故障诊断技术面临的难点 | 第29-31页 |
·课题来源 | 第31页 |
·论文的结构组织 | 第31-32页 |
·论文的主要工作 | 第32-33页 |
·本章小结 | 第33-34页 |
2 基于仿生学思想的物理层故障定位 | 第34-49页 |
·引言 | 第34-35页 |
·基于免疫学的网络故障定位模型 | 第35-37页 |
·事件检测序列及其数学模型 | 第37-38页 |
·节点故障状态信息的形式化分析和收集 | 第38-43页 |
·通过Trap告警采集信息 | 第39-40页 |
·通过工作站主动轮询采集信息 | 第40-41页 |
·动态轮询算法 | 第41-43页 |
·故障节点检测算法的设计 | 第43-44页 |
·实例检验 | 第44-47页 |
·本章小结 | 第47-49页 |
3 链路传送层故障检测RSNN策略 | 第49-63页 |
·引言 | 第49-50页 |
·系统原理及实现 | 第50-54页 |
·状态信息的获取 | 第50-51页 |
·故障规则提取的粗糙集理论框架 | 第51-52页 |
·RSNN算法的推导与实现 | 第52-54页 |
·实验测试 | 第54-62页 |
·算法的性能测试与比较 | 第54-59页 |
·仿真试验及讨论 | 第59-62页 |
·本章小结 | 第62-63页 |
4 基于RFNN的网络控制层拥塞预测 | 第63-76页 |
·引言 | 第63-64页 |
·拥塞控制策略 | 第64-71页 |
·规则提取 | 第65-66页 |
·用于拥塞预测的RFNN | 第66-69页 |
·RFNN满足拥塞推理一致性要求 | 第69-70页 |
·基于模糊神经网络的流量预测 | 第70-71页 |
·仿真及分析 | 第71-74页 |
·训练和预测 | 第71-74页 |
·拥塞控制策略性能比较 | 第74页 |
·本章小结 | 第74-76页 |
5 基于支持向量机的网络应用层诊断策略 | 第76-93页 |
·引言 | 第76-77页 |
·系统结构模型 | 第77-79页 |
·特征数据及其预处理 | 第79-80页 |
·特征加权 | 第80-85页 |
·仿真与实验 | 第85-92页 |
·训练数据的选取 | 第86-87页 |
·训练数据及测试数据的构成 | 第87-89页 |
·实验结果分析 | 第89-92页 |
·本章小结 | 第92-93页 |
6 网络数据链DUS保障策略 | 第93-99页 |
·引言 | 第93-94页 |
·网络冗余策略DUS | 第94-96页 |
·DUS基本思想 | 第94页 |
·DUS模型分析 | 第94-96页 |
·DUS模型仿真实验 | 第96-98页 |
·本章小结 | 第98-99页 |
7 结论和展望 | 第99-114页 |
·下一步的研究方向 | 第99-112页 |
·网络计算的自愈模型 | 第99-102页 |
·性能衰退识别 | 第102-105页 |
·基于决策自恢复的QoS寻径 | 第105-112页 |
·本节小结 | 第112页 |
·结论 | 第112-114页 |
致谢 | 第114-116页 |
参考文献 | 第116-124页 |
攻读博士学位期间发表的论文 | 第124-126页 |