基于规则挖掘的网络故障管理技术的应用研究
| 中文摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题的目的和意义 | 第7-8页 |
| ·课题的研究现状 | 第8-11页 |
| ·课题的国外研究现状 | 第8页 |
| ·课题的国内研究现状 | 第8-10页 |
| ·存在的问题 | 第10页 |
| ·数据挖掘理论的引入 | 第10-11页 |
| ·本课题的研究内容 | 第11-12页 |
| 第二章 相关知识及理论 | 第12-35页 |
| ·网络管理概述 | 第12-22页 |
| ·网络管理体系结构 | 第12-17页 |
| ·网络故障管理 | 第17-21页 |
| ·告警关联方法 | 第21-22页 |
| ·数据挖掘技术 | 第22-26页 |
| ·数据挖掘简介 | 第22-23页 |
| ·数据挖掘研究内容 | 第23-24页 |
| ·数据挖掘的流程 | 第24-26页 |
| ·数据挖掘在网络故障诊断中的应用 | 第26页 |
| ·数据预处理 | 第26-30页 |
| ·数据清理 | 第26-28页 |
| ·数据集成和变换 | 第28-29页 |
| ·数据归约 | 第29-30页 |
| ·告警数据的采集和预处理 | 第30-34页 |
| ·相关问题 | 第30-31页 |
| ·解决方法 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于关联规则的网络故障管理算法研究 | 第35-56页 |
| ·关联规则挖掘概述 | 第35-37页 |
| ·关联规则概述 | 第35-36页 |
| ·关联规则的意义和度量 | 第36-37页 |
| ·APRIORI 算法及其改进 | 第37-43页 |
| ·Apriori 算法步骤 | 第38-40页 |
| ·由频繁集产生关联规则 | 第40页 |
| ·提高Apriori 的有效性 | 第40-43页 |
| ·FP-GROWTH 算法及其改进 | 第43-51页 |
| ·FP-growth 算法 | 第43-46页 |
| ·FP-growth 算法的改进 | 第46-50页 |
| ·实验分析及结论 | 第50-51页 |
| ·关联规则的增量更新算法 | 第51-53页 |
| ·增量更新算法 | 第51-52页 |
| ·算法分析及结论 | 第52-53页 |
| ·关联规则的筛选算法 | 第53-55页 |
| ·关联规则的兴趣度分析 | 第53-54页 |
| ·筛选算法 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 时间戳网络故障数据库上的时态关联规则挖掘 | 第56-63页 |
| ·问题描述 | 第56-59页 |
| ·时态关联规则描述 | 第56-57页 |
| ·时间戳网络故障数据库描述 | 第57-58页 |
| ·时态关联规则与普通关联规则的比较 | 第58-59页 |
| ·时态关联规则相关定义 | 第59页 |
| ·时态关联规则挖掘算法 | 第59-60页 |
| ·时态关联规则的产生与表示 | 第60-61页 |
| ·时态关联规则参数讨论 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于规则挖掘的网络故障诊断系统 | 第63-69页 |
| ·网络故障诊断系统结构 | 第63页 |
| ·实验环境 | 第63-64页 |
| ·网络故障诊断系统模块 | 第64-68页 |
| ·数据预处理模块 | 第64-66页 |
| ·规则获取模块 | 第66-68页 |
| ·知识推理模块 | 第68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结 | 第69-71页 |
| ·结论 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 在学期间发表的学术论文和参加科研情况 | 第76页 |
