| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| 1．1 背景及意义 | 第7页 |
| 1．2 国内外研究现状 | 第7-9页 |
| 1．3 本文主要工作 | 第9-10页 |
| 1．4 本文组织结构 | 第10-11页 |
| 2 网络故障诊断及BP算法改进 | 第11-32页 |
| 2．1 引言 | 第11页 |
| 2．2 几种常见的网络故障诊断方法 | 第11-12页 |
| 2．3 神经网络模型 | 第12-15页 |
| 2．3．1 几种典型的神经网络模型 | 第12-13页 |
| 2．3．2 BP神经网络模型 | 第13-15页 |
| 2．4 BP神经网络算法及执行步骤 | 第15-17页 |
| 2．4．1 BP神经网络算法 | 第15-16页 |
| 2．4．2 BP算法执行步骤 | 第16-17页 |
| 2．5 适用于故障诊断的 BP算法改进 | 第17-32页 |
| 2．5．1 粗糙集理论 | 第17-22页 |
| 2．5．2 动量节点的想法 | 第22页 |
| 2．5．3 RSMNBP算法思路 | 第22-25页 |
| 2．5．4 在 VC++中实现 RSMNBP算法 | 第25-26页 |
| 2．5．5 仿真试验及性能分析 | 第26-32页 |
| 3 网络故障诊断系统分析与设计 | 第32-47页 |
| 3．1 引言 | 第32页 |
| 3．2 系统总体架构设计 | 第32-34页 |
| 3．3 网络状态信息的获取及转化 | 第34-44页 |
| 3．3．1 网络状态信息的获取 | 第34-38页 |
| 3．3．2 轮询算法 | 第38-39页 |
| 3．3．3 网络状态信息的转化 | 第39-44页 |
| 3．4 基于 RSMNBP算法的故障诊断决策表处理 | 第44-45页 |
| 3．5 BP神经网络模块的分析设计 | 第45-47页 |
| 4 系统实现及应用 | 第47-53页 |
| 4．1 引言 | 第47页 |
| 4．2 实现中的关键技术 | 第47-50页 |
| 4．2．1 Matlab神经网络工具箱 | 第47-48页 |
| 4．2．2 在VC++中，实现对 Matlab的调用 | 第48-49页 |
| 4．2．3 用WINSNMP API获得 MIBII库信息 | 第49-50页 |
| 4．3 实现效果 | 第50-52页 |
| 4．3．1 系统启动过程及运行界面 | 第50-51页 |
| 4．3．2 系统基本功能 | 第51-52页 |
| 4．4 应用实例 | 第52-53页 |
| 5 总结及展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
