大数据挖掘在移动通信网络故障诊断中的应用研究

5G网络的普及与各种新兴技术的引入,使得移动通信网络速率在更新的过程中常出现故障诊断低准确率的问题。鉴于此,研究提出面向移动通信网络故障诊断的大数据挖掘方法,在引入Spark框架的基础上,首先利用生成对抗网络对收集的网络数据进行预处理,接着利用图卷积神经网络对样本数据集进行学习,以实现网络故障诊断。与其他算法相比结果显示,当训练样本数据集为600时,研究算法的准确率与MarcoF1值分别为90.14%、88.56%。当迭代次数为200次、保留13个特征时,对网络故障诊断的准确率可达98.01%,且诊断时间仅为0.243s。以上结果均表示在研究方法运行下,移动网络通信的故障诊断准确率较高,且耗时较少,性能最好。

基于人工智能和大数据的网络故障诊断可视化平台研究

异构网络内部结构的复杂性增加了网络故障诊断的难度,为得到更加准确高效的网络故障诊断模型,研究构建以图卷积神经网络为基础的网络故障诊断可视化平台,通过生成对抗网络保证网络数据集的平衡性,利用朴素贝叶斯生成拓扑关联图。实验结果表明,该模型的准确率稳定在92%左右,且其对故障的整体判别正确率达到了92.5%,比改进前提升了2.4%。通过实验证明研究提出的改进图卷积神经网络算法能提高网络故障检测的精度,为网络通讯技术在各领域的普及提供了良好的借鉴。

广播电视数字微波传输网络故障诊断方法

在数字时代,广播电视数字微波传输网络扮演着关键的角色,为信息的高效传送奠定了基础。然而,网络故障时有发生,不仅会影响传输质量,还可能导致服务中断。对此,深入探讨广播电视数字微波传输系统的基本组成以及故障诊断的方法,包括分层排除法、分段排除法和替换法。结合硬件和软件故障处理流程,为维护人员提供全面而实用的处理技巧。

基于大数据算法的网络故障诊断与智能运维系统设计

该研究旨在设计一个基于大数据算法的网络故障诊断与智能运维系统,以提高网络故障诊断的准确性和运维效率。系统架构包括网络数据采集、存储处理、故障诊断算法以及智能运维模块。通过大数据算法对网络数据进行分析和挖掘,系统能够实现对网络状态的实时监测和故障预测,提供即时响应。此系统不仅能够降低网络故障带来的影响,还能优化运维资源的利用,为复杂网络环境提供高效解决方案,从而保障网络的稳定性和可靠性。

基于虚拟现实的计算机网络故障诊断与排除系统的设计

计算机网络在现代社会和工作中扮演着关键的角色,但网络故障可能会导致生产力下降和服务中断。为了提高网络维护人员的技能,文章设计了一种基于虚拟现实的计算机网络故障诊断与排除系统。该系统利用虚拟现实技术,为用户提供一个沉浸式的网络故障模拟环境,使其通过学习和实践能够快速准确地诊断并解决各种网络问题。

图卷积神经网络在5G网络故障诊断中的研究

5G技术的引入进一步增加了网络的复杂性,因此,运营商需要制定新策略来确保网络质量,以保持其竞争力。然而,随着网络规模的扩大,蜂窝网络的运维工作变得更加困难。传统的网络故障诊断方法过于依赖人力和专业知识,导致诊断效率低下且结果不尽如人意。因此,迫切需要采用智能高效的网络故障诊断方法来解决这些挑战。文章提出基于图卷积神经网络的蜂窝网络故障诊断方法,希望能够对5G网络故障诊断研究有所助益。

基于机器学习的网络故障诊断优化算法

随着网络的广泛应用,网络故障已成为影响用户体验和业务连续性的主要挑战之一。研究基于机器学习的网络故障诊断优化算法,旨在提高网络故障诊断的准确性和效率。该算法采用深度神经网络(Deep Neural Networks,DNN)模型,通过数据预处理、特征工程、网络故障诊断模型建立等步骤,并模拟真实网络环境进行实验验证,证明了其有效性和可行性。

中国移动IT云资源池网络故障诊断的探索和实践

网络数智化是指人工智能、大数据技术与通信网络的硬件、软件、系统、流程等深度融合,而利用AI、大数据技术助力通信网络运维数智化,是实现自动驾驶网络高阶能力的基石。国务院国资委《关于加快推进国有企业数字化转型工作的通知》系统阐明了国有企业数字化转型的基础、方向、重点和举措,“上云用数赋智”贯穿始终。

减法聚类-ANFIS在网络故障诊断的应用研究

提出了一种基于减法聚类-自适应模糊神经网络(ANFIS)的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。

一种新的网络故障诊断方法——FTFD

通过对网络状态和故障指标进行形式化分析,提出一种基于模糊事件的故障检测方法(FTFD),该方法通过建立状态检测函数,能将比较复杂、模糊性强的网络故障问题用精确的数学转换方法来解决,从而获得比较精确的结果·应用FTFD诊断网络故障不仅能有效降低漏报率和误报率,而且使实时故障诊断成为可能·原型系统证实了该方法的可行性,获得了在实时环境中网络故障诊断的技术效果·

基于MATLAB/VB的网络故障诊断软件设计

将VB调用Matlab的方法应用到基于神经网络的网络故障诊断系统软件的设计中;以VB编写诊断系统的主界面,利用ActiveX技术调用Matlab神经网络工具箱完成对网络故障的诊断,将两者的优势有机结合,从而缩短了程序开发周期,减少了程序员的工作量;该软件具有良好人机交互界面,便于网管人员的学习和掌握,且实例验证表明利用VB调用Matlab方法开发的网络故障诊断系统,其诊断结果可靠,能够满足网络实时故障诊断的要求。

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题,提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型.首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则;其次利用最小规则训练BP神经网络,建立基于粗糙集和BP神经网络的计算机网络故障诊断模型;最后将模型运用于真实网络故障数据诊断.结果表明:该模型具有学习效率高、诊断速度快、准确率高的特点,能够快速诊断网络故障类型.

基于粗糙集支持向量机的网络故障诊断系统

该文针对传统网络故障知识库冗余度高和稳定性难以两全的缺陷,综合运用支持向量机方法和粗糙集理论,提出了RSVM方法,实现不一致情况下的规则获取和学习样本的净化处理。该算法具有简化样本、适应性强、容错性高等特点,能有效处理网络故障诊断中噪声或不相容的信息。由于该方法选择了比SMO更大的工作集而没有增加过多的计算,总的优化步骤减少,收敛速度也更快,平均训练速度约为SMO的两倍。实验表明,利用该方法实现的系统与同类的其他方法相比,提高了诊断准确率和诊断速度。

基于决策树的网络故障诊断专家系统模型

针对传统网络故障诊断专家系统在知识获取方面的固有不足,结合决策树算法和专家系统的特点,提出一种基于决策树的网络故障诊断专家系统模型,讨论网络故障诊断专家系统模型的推理机制和推测算法以及知识获取的实现方法。实践结果表明,模型在知识获取方面具有获取过程简单、计算复杂性低、适应性强的特点。

基于多智能体和神经网络的网络故障诊断及二维可视化(英文)

提出一种基于多智能体和神经网络的网络故障可视化诊断系统。每个被诊断的网络具有一个网络故障征兆收集智能体,负责收集并且预处理该网络的故障征兆信息,该信息被传送到位于诊断中心的网络故障诊断智能体,用作诊断及可视化。该系统的优点是网络故障诊断智能体可以以可视化的方式诊断网络的故障,并且动态监控网络的运行状态。试验结果证明所述系统的有效性和鲁棒性。

基于数值型属性约简的SVM网络故障诊断

网络故障的关联性传播可能导致网络故障数据包含大量冗余信息,影响诊断精度和处理效能。该文根据故障数据的特点,将粗糙集理论与支持向量机(SVM)相结合,采用基于邻域粗糙逼近的数值型属性约简算法进行快速高效的故障诊断,避免经典粗糙集理论中离散化误差的影响,缩减数据存储空间,降低SVM训练模型的复杂度,提高训练速度。ROC性能曲线分析结果表明,该方法具有良好的泛化能力。

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。

基于自适应模糊聚类的LM-BPNN网络故障诊断

提出一种综合运用模糊聚类和神经网络改进算法的网络故障诊断方法.根据网络故障特征数据量大、且存在冗余和冲突的特点,基于模糊聚类思想,提出了以聚类中心为核、自适应半径来优选样本的数据预处理方法.在进行故障特征的学习训练时,针对BP神经网络用于网络故障诊断时训练次数多、收敛慢和易振荡的局限性,使用结合了Levenberg-Marquardt的改进算法.理论分析和实验结果表明,文中提出的网络故障诊断方法能达到诊断更快速、更准确的效果.

基于Dempster规则的Ad hoc网络故障诊断方法

通过对Ad hoc网络状态和故障指标的研究,提出一种基于Dempster规则的故障诊断方法(DRNFD)。应用DRNFD诊断故障能有效降低漏报率和误报率,使实时故障诊断成为可能。通过仿真实验进行可行性论证,获得了实时诊断的技术效果,证实了该方法的可行性。

黑箱子网络的单子网络故障诊断

对所有的子网络都不要求知道其网络内部结构和参数，而仅根据子网络的端口伏安关系就可进行子网络的故障诊断称为“黑箱”子网络诊断，本文就这一类诊断进行探讨并提出了正交投影来定位单一子网络故障的方法。使用这一方法只需一次测试便可定位故障子网络，并且不存在误差的传递性问题，因此对于多端集成电器件的电路故障诊断具有理论和实际意义。