基于Spark的IPTV机顶盒故障预测系统设计与实现

发布时间：2021-09-15 09:52

　　为了解决传统电视的弊端,交互式网络电视（Internet Protocol Television,IPTV）能够提供更高质量的画面,带来形式多样的互联网多媒体资源,提供便利的交互式用户体验。然而IPTV由于高数据量带来的数据分析技术难题,特别是关于IPTV机顶盒故障的预测、定位和快速解决问题。所以,本文主要研究基于Spark的IPTV机顶盒故障预测技术的设计与实现课题。本论文重点研究工作是使用机器学习方法快速预测IPTV机顶盒故障的技术设计,并完成技术实现工作。相对现有的人工排查IPTV机顶盒故障方法,该技术有效实现了分析成本低和分析结果准确度高的优势,并降低故障预测成本。1.对IPTV机顶盒故障模型进行数学建模,2.设计IPTV机顶盒故障预测系统的数据采集策略,3.设计IPTV机顶盒故障预测系统的存储结构,4.基于Spark设计IPTV机顶盒故障预测技术和实现方法。通过使用Spark技术充分挖掘IPTV机顶盒运营维护数据的统计特性,实现了数据的采集和存储功能,完成相应的高效特征提取算法设计,构建相应的故障模型测试方法,实现IPTV机顶盒故障预测技术的测试验证工作,提升IPTV机顶盒故... 

【文章来源】：南京邮电大学江苏省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

HDFS分布存储YARN是Hadoop2.0中提供的管理系统

23输入层 隐层 输出层图 3.2 典型 BP 神经网络结构节点的数量为 i，隐含层的神经元节点个到隐藏层的神经元之间的权重为ijW ，偏置为ja ，隐藏层到输出层的偏置为1nj ij i jiH g x a 层的偏置，i 是输入层的神经元节点的数

基于Spark的IPTV机顶盒故障预测系统架构

【参考文献】：
期刊论文
[1]基于告警日志的网络故障预测[J]. 钟将,时待吾,王振华.  计算机应用. 2016(S1)
[2]大数据技术研究综述[J]. 张锋军.  通信技术. 2014(11)
[3]基于改进BP神经网络的网络故障诊断研究[J]. 杨金宝,张昌宏,陈平.  计算机与数字工程. 2012(02)
[4]专家系统发展综述[J]. 张煜东,吴乐南,王水花.  计算机工程与应用. 2010(19)
[5]基于决策树的网络故障诊断专家系统模型[J]. 曲朝阳,高宇峰,聂欣.  计算机工程. 2008(22)
[6]一种基于贝叶斯网络的集成的故障定位模型[J]. 钟仕群,朱程荣,熊齐邦.  计算机技术与发展. 2006(12)
[7]快速建立基于贝叶斯网络的故障诊断系统[J]. 尚卫锋,马进,谷小飞,杨眉.  科技资讯. 2006(33)
[8]主动贝叶斯网络分类器[J]. 宫秀军,孙建平,史忠植.  计算机研究与发展. 2002(05)

硕士论文
[1]基于日志分析的网络设备故障预测研究[D]. 王振华.重庆大学 2015
[2]基于神经网络的多状态网络设备故障预测的研究[D]. 侯晓凯.山东大学 2014
[3]基于神经网络和遗传算法的Ad hoc网络故障管理模型研究[D]. 李静.电子科技大学 2008
[4]网络故障定位与检测技术研究[D]. 石磊.南京理工大学 2006
[5]基于BP神经网络的网络故障诊断系统[D]. 唐洪法.南京理工大学 2005



本文编号：3395865