本站原创
关键词：计算机网络故障 智能化诊断方法
1人工神经网络故障诊断法
利用神经网络进行故障诊断，首先对所得的特征数据进行预处理，剔除不合理数据（外值），并对数据进行约简，消除冗余信息，神经网络的结构（中间层的传递函数和神经元数目）和参数（神经元之间的连接权值和阀值）被确定。再利用测试样本集对此神经网络进行测试，如果故障诊断的正确率没有达到要求，增加训练样本或训练次数，继续对神经网络进行训练；如果故障诊断的正确率达到要求，即可转入故障诊断阶段，此阶段可以在线进行。
2基于专家系统和模糊推理的故障诊断法
模糊推理是采用模糊逻辑由给定的输入到输出的映射过程。首先，利用专家的知识和经验构建知识库，对故障与故障现象、现象与现象以及故障与故障之间的关系进行描述。然后通过专家写作、确定性规则转化、数据挖掘或神经网络技术确定模糊规则。最后通过模糊推理机，得到故障的类型和位置信息。
3基于支持向量机（SVM）的故障诊断法
支持向量机作为一种机器学习算法，具有非
4基于人工免疫算法的诊断法
基于人工免疫的计算机网络故障诊断应用生物免疫系统中的否定选择、克隆选择、高频变异、免疫学习和免疫记忆等多种机制，构建一个基于免疫原理的网络故障诊断模型，模型主要包括学习和故障诊断两个过程。其诊断步骤如下：（1）将选定的表征网络故障特征的数据进行处理，并组成特征向量，作为样本数据集；（2）完成对系统相关参数的设置，包括未成熟检测器的耐受期、成熟检测器的生命周期和成熟检测器的激活阈值等参数的设置；（3）离线学习，在此阶段经过训练生成相应的成熟检测器集合，以实现对计算机网络故障的有效检测；（4）故障诊断，得到满足条件的成熟检测器；（5）连续学习，未成熟检测器学习进化，亲和力逐渐成熟，经由成熟检测器，最终保存于记忆库中。
1人工神经网络故障诊断法
利用神经网络进行故障诊断，首先对所得的特征数据进行预处理，剔除不合理数据（外值），并对数据进行约简，消除冗余信息，神经网络的结构（中间层的传递函数和神经元数目）和参数（神经元之间的连接权值和阀值）被确定。再利用测试样本集对此神经网络进行测试，如果故障诊断的正确率没有达到要求，增加训练样本或训练次数，继续对神经网络进行训练；如果故障诊断的正确率达到要求，即可转入故障诊断阶段，此阶段可以在线进行。
2基于专家系统和模糊推理的故障诊断法
模糊推理是采用模糊逻辑由给定的输入到输出的映射过程。首先，利用专家的知识和经验构建知识库，对故障与故障现象、现象与现象以及故障与故障之间的关系进行描述。然后通过专家写作、确定性规则转化、数据挖掘或神经网络技术确定模糊规则。最后通过模糊推理机，得到故障的类型和位置信息。
3基于支持向量机（SVM）的故障诊断法
支持向量机作为一种机器学习算法，具有非
源于：查抄袭率毕业论文www.udooo.com
凡的泛化能力，与其它智能化方法相比，在解决小样本、非线性和高维模式识别中表现出明显的优势，被应用于图像处理、模式识别和数据分析等领域。从本质上来说，网络故障诊断实际上是一个模式识别问题，可以利用支持向量进行网络故障诊断，具体步骤如下：（1）网络状态信息获取并约简，并将特征数据分为两部分：训练样本集和测试样本集；（2）选择支持向量机的初始化参数，包括核函数的参数和惩罚参数等；（3）利用训练样本集对支持向量机进行训练，得到最优分类超平面； （4）利用测试集检验诊断效果，如果诊断的正确率没有达到要求，增加训练集中的样本，对支持向量机重新进行训练；（5）如果诊断的正确率达到要求，则转到正式工作阶段，进行在线故障诊断。4基于人工免疫算法的诊断法
基于人工免疫的计算机网络故障诊断应用生物免疫系统中的否定选择、克隆选择、高频变异、免疫学习和免疫记忆等多种机制，构建一个基于免疫原理的网络故障诊断模型，模型主要包括学习和故障诊断两个过程。其诊断步骤如下：（1）将选定的表征网络故障特征的数据进行处理，并组成特征向量，作为样本数据集；（2）完成对系统相关参数的设置，包括未成熟检测器的耐受期、成熟检测器的生命周期和成熟检测器的激活阈值等参数的设置；（3）离线学习，在此阶段经过训练生成相应的成熟检测器集合，以实现对计算机网络故障的有效检测；（4）故障诊断，得到满足条件的成熟检测器；（5）连续学习，未成熟检测器学习进化，亲和力逐渐成熟，经由成熟检测器，最终保存于记忆库中。