中文摘要 | 第3-5页 |
英文摘要 | 第5页 |
1 绪论 | 第10-15页 |
1.1 论文的选题及其研究意义 | 第10-11页 |
1.2 国内外现状 | 第11-12页 |
1.3 研究内容及组织 | 第12-14页 |
1.4 论文的研究背景 | 第14-15页 |
2 知识发现在电信网络故障诊断中的应用 | 第15-24页 |
2.1 引言 | 第15页 |
2.2 告警关联系统与电信网络故障诊断 | 第15-20页 |
2.2.1 告警关联系统对告警流的处理 | 第16-18页 |
2.2.2 告警关联系统进行故障诊断的一般过程 | 第18-20页 |
2.3 数据挖掘和告警关联系统 | 第20-21页 |
2.4 告警数据库中的知识发现 | 第21-23页 |
2.4.1 知识发现过程 | 第21页 |
2.4.2 多阶段处理过程模型 | 第21-22页 |
2.4.3 电信告警数据挖掘过程 | 第22-23页 |
2.5 小结 | 第23-24页 |
3 电信告警数据挖掘模型和挖掘过程 | 第24-36页 |
3.1 引言 | 第24页 |
3.2 告警数据分析及KDD知识发现目标确定 | 第24-29页 |
3.2.1 告警数据特点 | 第24-25页 |
3.2.2 数据挖掘目标 | 第25-26页 |
3.2.3 告警数据库中的数据挖掘模式 | 第26-29页 |
3.3 数据收集和预处理 | 第29-32页 |
3.3.1 相关问题 | 第30-31页 |
3.3.2 解决方法 | 第31-32页 |
3.4 关联规则和频繁情节规则的挖掘 | 第32-33页 |
3.5 规则后处理及应用 | 第33-35页 |
3.5.1 规则后处理 | 第33-34页 |
3.5.2 规则的应用 | 第34-35页 |
3.6 本章小结 | 第35-36页 |
4 告警频繁情节规则挖掘 | 第36-56页 |
4.1 引言 | 第36页 |
4.2 事件序列及情节 | 第36-38页 |
4.3 相关工作 | 第38-40页 |
4.4 算法改进 | 第40-47页 |
4.4.1 简介 | 第40-41页 |
4.4.2 算法框架 | 第41页 |
4.4.3 发现频繁情节 | 第41-42页 |
4.4.4 侯选情节最小发生集合的计算及频繁情节判别 | 第42-45页 |
4.4.5 侯选情节的生成 | 第45-47页 |
4.5 多维频繁情节挖掘 | 第47-54页 |
4.5.1 多维情节的定义 | 第48-49页 |
4.5.2 频繁度以及规则规定 | 第49-52页 |
4.5.3 多维情节规则的挖掘及应用 | 第52-54页 |
4.6 实验结果 | 第54页 |
4.7 本章小结 | 第54-56页 |
5 告警关联规则挖掘 | 第56-75页 |
5.1 引言 | 第56-57页 |
5.2 关联规则挖掘算法概述 | 第57-59页 |
5.3 告警关联规则挖掘 | 第59-60页 |
5.3.1 关联规则的形式描述 | 第59-60页 |
5.3.2 关联规则挖掘方法 | 第60页 |
5.4 FP-growth算法介绍 | 第60-62页 |
5.5 适应长模式的关联规则快速挖掘算法 | 第62-73页 |
5.5.1 理论基础 | 第63-67页 |
5.5.2 算法描述 | 第67页 |
5.5.3 时间复杂度分析 | 第67-68页 |
5.5.4 空间复杂度分析 | 第68-69页 |
5.5.5 FP_growth算法与本文算法比较 | 第69-73页 |
5.6 告警关联规则挖掘结果 | 第73-74页 |
5.7 本章小结 | 第74-75页 |
6 其他相关技术 | 第75-82页 |
6.1 引言 | 第75页 |
6.2 数据挖掘过程中使用的其他技术 | 第75-77页 |
6.2.1 数据库分割技术 | 第75页 |
6.2.2 使用空闲空间表 | 第75-76页 |
6.2.3 最小发生分区存储技术 | 第76页 |
6.2.4 减少数据库扫描次数 | 第76-77页 |
6.2.5 多维频繁情节和高维关联规则的维数折中 | 第77页 |
6.3 规则求精 | 第77-81页 |
6.4 小结 | 第81-82页 |
7 论文总结 | 第82-84页 |
7.1 小结 | 第82-83页 |
7.2 后期工作 | 第83-84页 |
致谢 | 第84-85页 |
参考文献 | 第85-87页 |