探析計算機網絡故障的智能化診斷方法
作者：杜天華
關鍵詞：計算機網絡故障 智能化診斷方法
1人工神經網絡故障診斷法
利用神經網絡進行故障診斷，首先對所得的特征數據進行預處理，剔除不合理數據（外值），並對數據進行約簡，消除冗餘信息，神經網絡的結構（中間層的傳遞函數和神經元數目）和參數（神經元之間的連接權值和閥值）被確定。再利用測試樣本集對此神經網絡進行測試，如果故障診斷的正確率沒有達到要求，增加訓練樣本或訓練次數，繼續對神經網絡進行訓練；如果故障診斷的正確率達到要求，即可轉入故障診斷階段，此階段可以在線進行。
2基於專家係統和模糊推理的故障診斷法
模糊推理是采用模糊邏輯由給定的輸入到輸出的映射過程。首先，利用專家的知識和經驗構建知識庫，對故障與故障現象、現象與現象以及故障與故障之間的關係進行描述。然後通過專家定製、確定性規則轉化、數據挖掘或神經網絡技術確定模糊規則。最後通過模糊推理機，得到故障的類型和位置信息。
3基於支持向量機（SVM）的故障診斷法
支持向量機作為一種機器學習算法，具有非凡的泛化能力，與其它智能化方法相比，在解決小樣本、非線性和高維模式識別中表現出明顯的優勢，被應用於圖像處理、模式識別和數據分析等領域。從本質上來說，網絡故障診斷實際上是一個模式識別問題，可以利用支持向量進行網絡故障診斷，具體步驟如下：（1）網絡狀態信息獲取並約簡，並將特征數據分為兩部分：訓練樣本集和測試樣本集；（2）選擇支持向量機的初始化參數，包括核函數的參數和懲罰參數等；（3）利用訓練樣本集對支持向量機進行訓練，得到最優分類超平麵； （4）利用測試集檢驗診斷效果，如果診斷的正確率沒有達到要求，增加訓練集中的樣本，對支持向量機重新進行訓練；（5）如果診斷的正確率達到要求，則轉到正式工作階段，進行在線故障診斷。
4基於人工免疫算法的診斷法
基於人工免疫的計算機網絡故障診斷應用生物免疫係統中的否定選擇、克隆選擇、高頻變異、免疫學習和免疫記憶等多種機製，構建一個基於免疫原理的網絡故障診斷模型，模型主要包括學習和故障診斷兩個過程。其診斷步驟如下：（1）將選定的表征網絡故障特征的數據進行處理，並組成特征向量，作為樣本數據集；（2）完成對係統相關參數的設置，包括未成熟檢測器的耐受期、成熟檢測器的生命周期和成熟檢測器的激活閾值等參數的設置；（3）離線學習，在此階段經過訓練生成相應的成熟檢測器集合，以實現對計算機網絡故障的有效檢測；（4）故障診斷，得到滿足條件的成熟檢測器；（5）連續學習，未成熟檢測器學習進化，親和力逐漸成熟，經由成熟檢測器，最終保存於記憶庫中。