数据挖掘在网络管理中的应用.docVIP

数据挖掘在网络管理中的应用 　　摘要:在对数据挖掘技术概念、主要方法和挖掘过程及网络管理等知识进行简单介绍的基础上, 探讨数据挖掘在网络管理中的应用。 　　关键词:数据挖掘;网络管理;关联规则 　　中图分类号:TP3 文献标识码:A 文章编号:1009-3044(2009)15-3845-02 　　 　　The Application of Data Mining in Network Management 　　LI Gang1,2 　　(1.Fushun technician Institute, Fushun 113123, China; 2.Shenyang ligong university, Shenyang 110168, China) 　　Abstract: This paper brief describes the basic concept of data mining technology, the main mining methods and Mining process, Network management knowledge, Discussed the Application of Data Mining in Network Managemen. 　　Key words: Data mining; network management; association rules 　　 　　1 引言 　　 　　通过数据挖掘的相应技术,建立数学模型,将海量的原始网络信息应用于网络故障预测,再根据实时的网络数据预测网络的故障概率和可能出现故障的时间和位置。这样,管理员便可以及时作出判断,提前避免故障的发生,减少损失。通过预测模型,以期达到一种自律计算,使系统能够根据管理员给定的目标进行网络管理。 　　 　　2 数据挖掘技术 　　 　　2.1 数据挖掘的定义 　　数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。简单的说就是从大量数据中提取或“挖掘”知识。 　　2.2 数据挖掘处理过程模型 　　数据挖掘是一个需要经过反复的多次处理过程。合理的数据挖掘处理过程模型能将各个处理阶段有机地结合在一起,指导人们更好地开发和使用数据挖掘系统。从数据挖掘进入工程应用领域起,就有人对数据挖掘地过程进行归纳和总结,提出了不同的数据挖掘处理过程模型。 　　其中Usama M.Fayyad、GregoryPiatetsky-Shapiro等人给出的多处理阶段模型是一种通用模型,也是最被广为接受的一种模型,图1所示的模型示意图在数据挖掘领域内被多次引用。 　　在上述模型提出后也有人提出不同的数据挖掘过程模型,但是都有一个共同点就是都要经过准备、预处理、算法设计、数据挖掘、后处理阶段。其中准备阶段包括问题定义、对象理解、数据收集等准备工作;预处理包括数据清理、压缩、变换等;后处理包括结果解释、输出、评价、分析、使用等。 　　2.3 数据挖掘的分类 　　从不同的视角出发, 数据挖掘技术有如下几种分类标准。 　　1) 根据发现的知识种类分类: 总结规则挖掘、特征规则挖掘、关联规则挖掘、分类规则挖掘、聚类规则挖掘、趋势分析、偏差分析、模式分析等。 　　2) 根据挖掘的数据库分类: 数据挖掘基于的数据库类型有:关系型、事务型、面向对象型、主动型、空间型、时间型、文本型、多媒体、异质数据库和遗留系统等。 　　3) 根据采用的技术分类: 有人工神经网络、决策树、遗传算法、最近邻技术、规则归纳、可视化等。 　　 　　3 网络管理概述 　　 　　3.1 网络管理 　　网络管理主要是关于规划、监督、设计、和控制网络资源的使用和网络的各 　　种活动。人们管理网络主要是为了能够最大限度地增加网络的可用时间,提高网络设备的利用率, 控制网络运行成本,提供网络的规划。 　　3.2 网络管理的功能 　　国际标准化组织(ISO)定义了网络管理的五大功能域:故障管理、配置管理、安全管理、性能管理和计费管理。 　　1) 故障管理是网络管理中最基本的功能之一。它用于检测、定位、排除网络硬件和软件中的故障。当出现故障时,该功能确认故障,并常常要记录故障,找出故障位置并尽可能排除这些故障。 　　2) 配置管理的功能是掌握和控制互连网络的状态。它初始化网络,并配置网络,以使其提供网络服务。同时它还随时检测互连网络内各设备的状态及其连接关系。 　　3) 性能管理考虑的是具体网络的利用情况。配置管理考虑的是互连网运行是否正常,而性能管理考虑的则是具体网络的利用情况。性能管理是网络管理人员能够监视网络运行的关键