网络虚拟化环境下故障诊断算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 网络虚拟化的研究现状 | 第9-10页 |
| 1.2.2 网络虚拟化故障诊断的研究现状 | 第10-11页 |
| 1.3 研究目标 | 第11-13页 |
| 1.4 主要研究内容及结构 | 第13-14页 |
| 2 网络虚拟化及故障诊断技术 | 第14-22页 |
| 2.1 网络虚拟化 | 第14-17页 |
| 2.1.1 网络虚拟化的发展历程 | 第14页 |
| 2.1.2 网络虚拟化模型 | 第14-16页 |
| 2.1.3 网络虚拟化的特点 | 第16页 |
| 2.1.4 网络虚拟化技术研究问题 | 第16-17页 |
| 2.2 网络虚拟化环境下的故障诊断 | 第17-21页 |
| 2.2.1 网络故障诊断技术 | 第17-18页 |
| 2.2.2 网络故障的性质 | 第18-20页 |
| 2.2.3 网络故障不确定性与解决方案 | 第20页 |
| 2.2.4 网络故障的关联性与解决方案 | 第20-21页 |
| 2.3 本章小节 | 第21-22页 |
| 3 网络虚拟化环境下的映射机制 | 第22-27页 |
| 3.1 映射机制的基本概念 | 第22-23页 |
| 3.2 映射算法的最优求解 | 第23-25页 |
| 3.3 两阶段启发式映射算法 | 第25-26页 |
| 3.3.1 虚拟节点映射算法 | 第25页 |
| 3.3.2 虚拟链路映射算法 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 4 网络虚拟化环境下基于分层的故障传播模型 | 第27-40页 |
| 4.1 概率图模型 | 第27-34页 |
| 4.1.1 贝叶斯网络模型 | 第28-32页 |
| 4.1.2 马尔科夫随机场 | 第32-33页 |
| 4.1.3 条件随机场 | 第33页 |
| 4.1.4 因子图模型 | 第33-34页 |
| 4.2 基于分层的故障传播模型的设计 | 第34-39页 |
| 4.2.1 故障传播模型的组成 | 第35-36页 |
| 4.2.2 故障传播模型的建立 | 第36-38页 |
| 4.2.3 故障传播模型的简化 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 5 基于依赖度与疑似度的故障诊断算法 | 第40-52页 |
| 5.1 故障诊断算法的求解目标 | 第40-41页 |
| 5.2 最大覆盖算法 | 第41页 |
| 5.3 基于症状内在相关性的故障诊断算法 | 第41-43页 |
| 5.4 基于依赖度与疑似度的故障诊断算法 | 第43-45页 |
| 5.4.1 基于依赖度的故障诊断算法 | 第43-44页 |
| 5.4.2 基于疑似度的故障定位算法 | 第44-45页 |
| 5.5 实验仿真与结果分析 | 第45-50页 |
| 5.5.1 实验环境与参数设置 | 第45-46页 |
| 5.5.2 性能评估 | 第46页 |
| 5.5.3 实验结果及分析 | 第46-50页 |
| 5.6 本章小节 | 第50-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52-53页 |
| 6.2 研究展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
