摘要 | 第1-7页 |
ABSTRACT | 第7-9页 |
图表索引 | 第9-11页 |
目录 | 第11-13页 |
第1章 绪论 | 第13-31页 |
·研究背景和意义 | 第13-22页 |
·增值业务的基本概念 | 第13-15页 |
·增值业务故障诊断的意义 | 第15页 |
·增值业务故障诊断的概念和术语 | 第15-22页 |
·研究对象、目标和方法 | 第22-26页 |
·研究对象和基本假设 | 第22-24页 |
·研究难点和目标 | 第24-25页 |
·研究方法和实验环境 | 第25-26页 |
·主要研究工作 | 第26-27页 |
·论文组织结构 | 第27-29页 |
参考文献 | 第29-31页 |
第2章 相关研究综述 | 第31-52页 |
·引言 | 第31-32页 |
·故障定位的基本问题 | 第32-33页 |
·故障定位的模型与算法 | 第33-45页 |
·故障定位的模型及建模 | 第34-36页 |
·故障定位技术分析 | 第36-45页 |
·故障定位面临的新问题 | 第45-47页 |
·本章小结 | 第47页 |
参考文献 | 第47-52页 |
第3章 增值业务的故障建模 | 第52-67页 |
·引言 | 第52-53页 |
·故障模型的选取 | 第53-54页 |
·增值业务的故障建模 | 第54-60页 |
·基于统计和数据挖掘的浅知识的建模方法SDM | 第54-55页 |
·基于叠加网络和端到端的业务提供的建模方法ONEE | 第55-60页 |
·SDM和ONEE故障建模方法的适用场合 | 第60页 |
·增值业务的多域故障定位 | 第60-61页 |
·两种建模方法的应用 | 第61页 |
·故障定位问题的形式化 | 第61-63页 |
·增值业务的故障仿真环境 | 第63-65页 |
·本章小结 | 第65页 |
参考文献 | 第65-67页 |
第4章 基于贝叶斯疑似度的启发式概率故障定位 | 第67-83页 |
·引言 | 第67-68页 |
·相关工作 | 第68-69页 |
·基于贝叶斯疑似度的故障定位算法 | 第69-71页 |
·BSD故障定位算法 | 第69-71页 |
·BSD算法对比与分析 | 第71页 |
·基于事件驱动的增量贝叶斯疑似度故障定位算法 | 第71-74页 |
·时间窗口方式存在的问题 | 第71-72页 |
·IBSD故障定位算法 | 第72-74页 |
·IBSD算法分析 | 第74页 |
·仿真结果及分析 | 第74-80页 |
·BSD算法仿真结果及分析 | 第74-79页 |
·IBSD算法仿真结果及分析 | 第79-80页 |
·本章小结 | 第80-81页 |
参考文献 | 第81-83页 |
第5章 噪音环境下的健壮故障定位 | 第83-101页 |
·引言 | 第83-84页 |
·相关工作 | 第84页 |
·基于最小交互式检测和适应性策略的概率故障定位算法 | 第84-91页 |
·观测到的征兆信息 | 第84-85页 |
·征兆证据完整度 | 第85-86页 |
·MICAS算法 | 第86-90页 |
·MICAS算法的复杂度分析 | 第90-91页 |
·仿真环境和实验结果 | 第91-98页 |
·不同噪音的影响 | 第91-95页 |
·故障传播模型的影响 | 第95-96页 |
·算法性能比较 | 第96-98页 |
·本章小结 | 第98-99页 |
参考文献 | 第99-101页 |
第6章 基于具有预处理机制的滑动窗口的增量故障定位 | 第101-114页 |
·引言 | 第101-102页 |
·相关工作 | 第102页 |
·基于具有预处理机制的滑动窗口的增量故障定位算法 | 第102-106页 |
·SWPM故障定位算法 | 第102-106页 |
·算法分析 | 第106页 |
·仿真结果和分析 | 第106-113页 |
·仿真实验 | 第106-107页 |
·结果分析 | 第107-113页 |
·本章小结 | 第113页 |
参考文献 | 第113-114页 |
结束语 | 第114-116页 |
缩略词 | 第116-119页 |
附表1 增值业务常见故障 | 第119-121页 |
附表2 增值业务常见征兆 | 第121-124页 |
附表3 增值业务常用KPI/KQI | 第124-127页 |
攻读博士学位期间发表、录用和拟发表的论文 | 第127-129页 |
攻读博士学位期间申请的专利 | 第129-130页 |
攻读博士学位期间获得的奖励 | 第130-131页 |
致谢 | 第131页 |