基于关联规则的电信网告警相关性分析
发布时间:2017-08-14 16:40
本文关键词:基于关联规则的电信网告警相关性分析
更多相关文章: 加权关联规则 告警相关性 滑动窗口 熵值法 垂直数据表示
【摘要】:随着电信网络的规模和复杂度不断增大,导致网络故障告警种类和数量不断增加、告警信息之间的关联也更加复杂,而用于故障诊断的告警相关性分析系统中规则知识的获取主要依赖专家经验,从而使得网络故障管理效率不高。针对电信网络中故障告警相关性分析效率不高的问题,本文提出基于加权关联规则挖掘的告警相关性分析优化解决方案。论文的主要工作体现在:(1)提出了改进的告警事务提取方法。考虑电信网告警数据发生时间分布不均匀的特点,传统的均匀滑动时间窗方法不能有效的提取告警事务,本文利用聚类算法将告警按发生时间分成若干密度相对均匀的组,然后组内采用均匀滑动时间窗方法提取告警事务,从而提高告警事务提取的效率。(2)采用熵值法来确定告警权值。由于熵值法是一种客观赋权法,在处理告警权值时可以减少人工的参与,避免了人为因素带来的偏差,适合于数量庞大的告警数据库。本文将告警信息的告警级别和节点路径两个主要属性作为评价指标,通过计算它们的熵权来确定告警的权值,对比其他告警权值确定方法(如:层次分析法)更加实用和有效。(3)提出了改进的加权关联规则挖掘算法(WEclat)。针对已有加权关联规则算法需要多次扫描数据库,效率不高的问题,提出基于Tidset数据压缩和WIT-树结构的加权关联规则挖掘算法,该算法只需扫描数据库一次,并利用位运算计算支持度以及数据压缩技术减少内存消耗,从而提高挖掘算法效率。(4)提出了基于磁盘存储1-项集Tidset的加权关联规则增量挖掘算法(IWEclat)。为了提高增量环境下加权关联规则挖掘算法的效率,分析WEclat算法时间消耗的关键步骤,提出基于磁盘存储1-项集Tidset的加权关联规则增量挖掘算法,避免算法重新扫描原数据库和重新生成1-项集Tidset,减少了算法的时间消耗。(5)为了验证、评估本文提出的各种算法,本文基于实习公司网管系统中的告警数据,设计了电信网告警相关性分析系统的模型,并实现了系统的关联规则挖掘模块。
【关键词】:加权关联规则 告警相关性 滑动窗口 熵值法 垂直数据表示
【学位授予单位】:东南大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP311.13;TN915.0
【目录】:
- 摘要5-6
- Abstract6-10
- 第1章 绪论10-16
- 1.1 研究背景和意义10
- 1.2 研究现状10-14
- 1.2.1 告警相关性分析11-12
- 1.2.2 关联规则挖掘12
- 1.2.3 关联规则挖掘在告警相关性分析的应用中存在的问题12-14
- 1.3 论文研究内容14
- 1.4 论文组织结构14-16
- 第2章 告警数据的预处理16-29
- 2.1 引言16
- 2.2 改进的告警事务提取方法16-21
- 2.2.1 问题描述16
- 2.2.2 相关工作16-18
- 2.2.3 基于聚类的滑动窗口事务提取方法18-21
- 2.3 基于熵值法确定权值21-27
- 2.3.1 相关工作22-23
- 2.3.2 熵值法确定权重23-27
- 2.4 本章小结27-29
- 第3章 改进的关联规则挖掘算法29-48
- 3.1 引言29
- 3.2 加权关联规则挖掘算法29-42
- 3.2.1 问题描述29-30
- 3.2.2 相关工作30-35
- 3.2.3 改进算法35-42
- 3.3 加权关联规则增量挖掘算法42-47
- 3.3.1 问题描述42
- 3.3.2 相关工作42-43
- 3.3.3 改进算法43-47
- 3.4 本章小结47-48
- 第4章 基于关联规则挖掘的告警相关性分析系统设计与实现48-54
- 4.1 引言48
- 4.2 系统设计48-49
- 4.3 系统开发环境49-50
- 4.4 关联规则挖掘模块实现50-52
- 4.4.1 预处理模块实现50-52
- 4.4.2 频繁项集挖掘模块实现52
- 4.4.3 关联规则生成模块实现52
- 4.5 本章小结52-54
- 第5章 总结与展望54-56
- 5.1 论文总结54
- 5.2 展望54-56
- 致谢56-57
- 参考文献57-59
【参考文献】
中国期刊全文数据库 前2条
1 阎威武,常俊林,邵惠鹤;基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真[J];上海交通大学学报;2004年04期
2 朱玉全,孙志挥,赵传申;快速更新频繁项集[J];计算机研究与发展;2003年01期
中国硕士学位论文全文数据库 前1条
1 安欢;基于数据挖掘的通信网络告警相关性研究[D];北京邮电大学;2012年
,本文编号:673678
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/673678.html