论文部分内容阅读
故障诊断与定位是网络故障管理的核心,当网络出现故障时,要求必须在尽可能短的时间内,正确地判断出网络故障所在的位置和引起故障的原因,以便及时排除故障,恢复网络正常功能。告警相关性分析是故障诊断与定位的重要手段之一,广泛应用于各种智能网络管理系统。然而电信网络本身的复杂性导致获取必要的知识来为某个特定网络构建一个告警关联系统十分困难,数据挖掘为告警相关性分析中知识获取提供了新的途径。电信告警数据库中保存了大量历史告警信息,在这些历史告警信息中蕴涵了许多有用的信息,这些信息反映了网络运行的规律。告警数据非常适合于关联规则分析的应用,应用结果可以改善网络故障管理。针对这一状况,本文提出用数据挖掘技术来分析电信告警数据,主要工作如下:(1)对电信告警数据进行了分析,提出了数据挖掘技术应用在告警相关性分析中的目的和可行性。(2)简要介绍了数据挖掘技术的概念和告警数据挖掘,详细阐述了关联规则挖掘算法。针对Apriori算法在告警数据中发现关联规则时需产生大量侯选频繁项目集的不足,提出了在告警关联规则挖掘中采用FP-growth算法,结合电信网告警数据的特点,针对实际告警数据,分别用Apriori算法和FP-growth算法进行挖掘做了对比实验。(3)针对告警数据的特点,将一个时间窗口内的告警模式看成是一个序列模式,提出了一种基于“前缀投影模式增长”思想的告警序列模式挖掘算法FASPMiner,该算法通过采用一种改进的前缀投影模式增长方法,运用“分而治之”的策略,把挖掘原来告警序列数据库的任务分解成一组挖掘局部投影告警数据库的小任务,从而最终得出了包含于告警数据库的频繁告警序列模式。广泛的实验性能分析表明,本文提出的算法是高效的,能够有效的完成各自的频繁告警挖掘任务。