| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·课题来源 | 第12页 |
| ·国内外研究现状 | 第12-13页 |
| ·课题的研究目的和意义 | 第13页 |
| ·本文研究的主要内容及章节安排 | 第13-15页 |
| 第2章 网络故障智能诊断技术概述 | 第15-27页 |
| ·网络故障智能诊断面临的问题 | 第15-18页 |
| ·多源信息的描述与分类 | 第16-17页 |
| ·模糊性问题 | 第17-18页 |
| ·故障诊断代价问题 | 第18页 |
| ·常用的网络故障智能诊断方法 | 第18-25页 |
| ·基于规则的推理 | 第19页 |
| ·基于案例的推理 | 第19-20页 |
| ·编码方法 | 第20-21页 |
| ·因果图与依赖图 | 第21-22页 |
| ·基于贝叶斯理论的故障诊断方法 | 第22-23页 |
| ·基于决策树的推理方法 | 第23-24页 |
| ·其他故障诊断方法 | 第24-25页 |
| ·小结 | 第25-27页 |
| 第3章 基于依赖图的网络故障智能诊断技术 | 第27-45页 |
| ·引言 | 第27-28页 |
| ·故障管理中的专业术语 | 第28-30页 |
| ·基于依赖图的故障定位算法 | 第30-40页 |
| ·依赖图的基本理论 | 第31-32页 |
| ·算法可行性分析 | 第32-34页 |
| ·算法描述 | 第34-36页 |
| ·算法举例 | 第36-39页 |
| ·算法性能评价 | 第39-40页 |
| ·算法在独立故障情况下的问题及改进方法 | 第40-44页 |
| ·算法描述 | 第40-42页 |
| ·算法举例 | 第42-44页 |
| ·算法性能评价 | 第44页 |
| ·小结 | 第44-45页 |
| 第4章 考虑时间因素的基于关联图和案例库的网络故障智能诊断技术 | 第45-67页 |
| ·引言 | 第45页 |
| ·关联图的相关理论与算法思想 | 第45-49页 |
| ·关联图的相关理论 | 第45-48页 |
| ·算法思想 | 第48-49页 |
| ·算法描述 | 第49-53页 |
| ·故障定位案例库与故障定位模型 | 第53-56页 |
| ·案例库 | 第53-55页 |
| ·故障定位模型 | 第55-56页 |
| ·算法实现 | 第56-57页 |
| ·算法的实例检验 | 第57-64页 |
| ·实验环境 | 第57-59页 |
| ·检验步骤 | 第59-64页 |
| ·实验结论 | 第64页 |
| ·算法优缺点分析 | 第64-65页 |
| ·小结 | 第65-67页 |
| 第5章 网络故障诊断子系统故障定位功能的设计与实现 | 第67-75页 |
| ·系统故障定位功能分析 | 第67-68页 |
| ·系统故障定位功能设计 | 第68-70页 |
| ·系统故障定位功能的实现 | 第70-74页 |
| ·小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |