计算机网络智能诊断技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-22页 |
| ·引言 | 第12-15页 |
| ·论文的背景和意义 | 第15页 |
| ·国内外研究现状 | 第15-20页 |
| ·故障诊断方法 | 第15-16页 |
| ·智能诊断技术 | 第16-18页 |
| ·网络故障诊断 | 第18-20页 |
| ·课题来源 | 第20页 |
| ·论文的内容安排和主要工作 | 第20-22页 |
| ·论文的内容安排 | 第20页 |
| ·论文的主要工作 | 第20-22页 |
| 2 网络管理协议的分析与研究 | 第22-30页 |
| ·引言 | 第22页 |
| ·公共管理信息协议 | 第22-23页 |
| ·简单网络管理协议 | 第23-25页 |
| ·远程监控标准 | 第25-26页 |
| ·动态轮询算法 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于移动Agent的分布式诊断框架结构 | 第30-42页 |
| ·引言 | 第30-31页 |
| ·DTSMA框架结构 | 第31-38页 |
| ·工作流程图 | 第33-35页 |
| ·域内故障管理的策略 | 第35-37页 |
| ·域间故障管理的策略 | 第37-38页 |
| ·仿真实验 | 第38-41页 |
| ·域内管理实验 | 第38-40页 |
| ·域间管理实验 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于FCA的物理层故障定位方法 | 第42-54页 |
| ·引言 | 第42页 |
| ·算法框架结构 | 第42-44页 |
| ·物理层状态信息采集 | 第44-47页 |
| ·物理层故障的指标分析 | 第44-45页 |
| ·通过Trap告警采集信息 | 第45-46页 |
| ·通过工作站主动轮询采集信息 | 第46-47页 |
| ·FCA算法的推导与设计 | 第47-48页 |
| ·基于CBR方法的故障诊断 | 第48-50页 |
| ·实例检验 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 5 基于RANN的网络链路故障诊断算法 | 第54-67页 |
| ·引言 | 第54页 |
| ·工作原理 | 第54-56页 |
| ·网络链路故障形式化描述 | 第56-57页 |
| ·知识约简的理论框架 | 第57-59页 |
| ·RANN算法的思路 | 第59-60页 |
| ·算法性能分析 | 第60-62页 |
| ·仿真实验 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 6 基于FNN的网络拥塞控制方法 | 第67-75页 |
| ·引言 | 第67-68页 |
| ·模糊神经网络 | 第68-70页 |
| ·粗糙模糊神经网络 | 第70-73页 |
| ·理论基础 | 第70-71页 |
| ·决策矩阵 | 第71-72页 |
| ·粗糙模糊神经网络 | 第72-73页 |
| ·仿真实验 | 第73-74页 |
| ·训练和预测 | 第73-74页 |
| ·拥塞控制方法性能比较 | 第74页 |
| ·本章小结 | 第74-75页 |
| 7 基于SVM的应用层故障检测模型 | 第75-90页 |
| ·引言 | 第75-76页 |
| ·模型框架结构 | 第76-78页 |
| ·特征数据及其预处理 | 第78-80页 |
| ·特征加权 | 第80-85页 |
| ·仿真实验 | 第85-88页 |
| ·训练数据的选取 | 第86-87页 |
| ·训练和预测步骤 | 第87-88页 |
| ·实验结果分析 | 第88页 |
| ·本章小结 | 第88-90页 |
| 8 网络诊断可视化及动态监测 | 第90-103页 |
| ·引言 | 第90-91页 |
| ·基于均方差守恒的维数约简 | 第91-93页 |
| ·基于KSOM的维数约简 | 第93-96页 |
| ·模型框架结构 | 第96-99页 |
| ·框架结构图 | 第96-97页 |
| ·网络故障征兆收集智能体 | 第97-98页 |
| ·网络故障诊断智能体 | 第98-99页 |
| ·仿真实验 | 第99-102页 |
| ·训练样本集、系统参数配置 | 第99页 |
| ·可视化网络故障诊断 | 第99-101页 |
| ·动态监测网络故障变化 | 第101-102页 |
| ·本章小结 | 第102-103页 |
| 9 结束语 | 第103-105页 |
| 致谢 | 第105-106页 |
| 参考文献 | 第106-114页 |
| 攻读博士学位期间发表的论文 | 第114页 |
