基于支持向量机的网络应用层故障诊断研究-计算机应用技术专业论文.docxVIP

声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本 学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或 公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使 用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文 中作了明确的说明。 研究生签名： 箍盈 ；口。∥年莎月垆日 √ 学位论文使用授权声明 南京理工呔学有权保存本学位论文的电子和纸质文档，可以借阅或 上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并 授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密 论文，按保密的有关规定和程序处理。 研究生签名： 童金盗 za。7年∥月罗日 硕士论文 硕士论文 基于支持向量机的网络戌用层故障诊断研究 1绪论 1．1选题背景及意义 随着计算机的普遍应用和信息技术的飞速发展，计算机网络逐渐成为全世界最重 要的基础设施之一．网络已深入到人类社会生活和经济生活的方方面面，人们日常的 各项活动几乎都可以通过它来完成。然而，由于网络技术越来越复杂，以及网络中所 使用的软硬件种类和数目的不断增加，网络的管理和维护变的愈加困难． 按照国际标准化组织(ISO)的定义，网络管理主要有五大功能：故障管理、配 置管理、性能管理、安全管理和计费管理。其中，网络的故障管理是重中之重，如果 网络中出现的故障不能被快速诊断和排除，往往会给网络使用者带来难以估量的损 失．网络故障诊断问题(networks fault diagnosis,NFD)可以被定义为啪：当网络中的诊 断对象发生某种或某些故障时，其输出或系统的行为将与正常状态时不同或失调，诊 断的任务就是要寻找引起这些异常征兆的可能原因。目前，网络故障诊断问题已经受 到了众多网络从业人员和研究者的重视和关注。 由于网络中可能产生故障的因素很多，信息量又相当大，而且各种新的网络故障 层出不穷，光凭借网络管理人员的经验和现有的网络诊断工具并不能很好解决在网络 运行中出现的所有问题。因此，将智能方法引入到网络故障诊断领域，通过创建和维 护故障诊断知识库，对知识库中网络故障的表现形式和故障类型进行学习，以达到能 快速准确的判断新出现故障原因的目的，成为了一个新的研究方向。 支持向量机(SupportVectorMaohine，SVM)“1是由VladimirNVapnik于1995年 提出的～种机器学习方法，它基于统计学习理论，实现了结构风险最小化原则，能很 好的解决有限样本情况下的学习问题，并且具有良好的收敛速度和推广能力。这些特 点均符合网络故障诊断学习的要求，本文将主要研究将SVM运用到网络应用层故障 诊断时需要考虑的问题和具体的算法实现。 1．2网络故障诊断的研究内容与现状 1．2．1故障诊断概述 所谓故障诊断，就是在一定的检测策略的指导下实施对被诊断系统的自动检测。 通过检测获取诊断对象的故障模式，提取故障特征。在此基础上，根据预定的推理原 则，对故障信息做出综合评估，并向系统操纵者或控制者提示所要采取的措施叫。 故障诊断的具体研究最早可以追溯到上世纪60年代，美国的宇航局和海军研究 所共同组织成立了美国机械故障预防小组(MFPG)，开始有计划的对故障进行分专题 的诊断研究，随后在70年代中期，欧洲和日本也相继开始对各种设备的故障诊断迸 1 硕士论文 硕士论文 基于支持向量机的网络应用层故障诊断研究 行研究和应用。我国对于故障诊断的研究起步较晚，广泛的研究从20世纪的80年代 才开始发展起来。回顾故障诊断技术的发展历史，大致可以将其划分为两个阶段∞旧： 第一阶段是以传感器技术和动态测试技术为基础，以信号处理技术为手段的常规诊断 技术发展阶段，目前这种诊断技术比较成熟，被广泛用于各个领域。第二阶段则是近 年来刚刚发展起来的、以人工智能技术为核心的智能诊断技术发展阶段。在这一阶段， 原来以数值计算和信号处理为核心的诊断过程被以知识处理和知识推理为核心的诊 断过程所取代。诊断过程的每个步骤，包括从信息的检测到特征的抽取、从状态识别 到故障分析、从干预决策到维修计划全部通过知识的引导，并开始涉及到模式识别、 计算机科学、系统科学、管理科学、控制理论、统计数学等诸多学科． 1．2．2智能诊断技术 目前，以人工智能技术为核心的智能诊断技术是故障诊断研究的热点，逐渐在各 个领域广泛应用，并与不同的学科相结合，产生了多种常用的智能诊断方法，具有较 大影响力的包括御删： (1)基于专家系统的诊断方法：这种方法主要通过汇集领域专家的知识，进行分 析、比较和推理，最终得出正确的结论。它大致经历了两个发展阶段：基于浅