| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-16页 |
| ·前言 | 第7-8页 |
| ·网络管理的研究领域 | 第8-12页 |
| ·网络管理协议 | 第8-10页 |
| ·网络管理功能 | 第10-11页 |
| ·网络管理体系结构 | 第11-12页 |
| ·网络管理的现状 | 第12-13页 |
| ·网络管理的发展方向 | 第13-15页 |
| ·本文的课题目标 | 第15-16页 |
| 第二章 智能故障管理 | 第16-21页 |
| ·故障管理与故障诊断 | 第16-17页 |
| ·故障管理 | 第16-17页 |
| ·故障诊断 | 第17页 |
| ·智能故障诊断技术的研究现状 | 第17-20页 |
| ·现有智能故障诊断技术 | 第17-20页 |
| ·存在的问题 | 第20页 |
| ·小结 | 第20-21页 |
| 第三章 事件关联技术 | 第21-33页 |
| ·故障、事件、事件关联的定义 | 第21-23页 |
| ·故障(Fault) | 第21页 |
| ·事件(Event) | 第21-22页 |
| ·事件关联(Event Correlation) | 第22-23页 |
| ·事件关联的目标 | 第23页 |
| ·事件关联技术 | 第23-32页 |
| ·事件关联技术的分类 | 第23-25页 |
| ·常用事件关联技术的分析与比较 | 第25-32页 |
| ·小结 | 第32-33页 |
| 第四章 一种基于CBR／MBR的分布式事件关联模型 | 第33-46页 |
| ·原型系统的整体结构 | 第33-34页 |
| ·分布式事件预处理 | 第34-39页 |
| ·事件收集 | 第35-38页 |
| ·事件规范化 | 第38页 |
| ·事件初始过滤 | 第38-39页 |
| ·基于CBR／MBR的事件关联 | 第39-45页 |
| ·运用CBR技术进行推理 | 第39-40页 |
| ·运用MBR技术进行实时事件关联 | 第40-45页 |
| ·小结 | 第45-46页 |
| 第五章 故障诊断中的数据挖掘 | 第46-58页 |
| ·数据挖掘技术 | 第47-48页 |
| ·知识发现与数据挖掘 | 第47-48页 |
| ·数据挖掘的定义 | 第48页 |
| ·事例库中的数据挖掘技术 | 第48-50页 |
| ·挖掘相对相似度的事例检索算法 | 第50-58页 |
| ·事例的定义及表示 | 第50-51页 |
| ·事例检索算法 | 第51-53页 |
| ·事例的修正及存储 | 第53-54页 |
| ·算法执行示例 | 第54-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·研究成果 | 第58页 |
| ·需要进一步完善的问题 | 第58-59页 |
| ·展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 硕士期间发表的论文和参与的项目 | 第61-62页 |
| 参考文献 | 第62-65页 |