[发明专利]网络故障预测方法、装置、设备及存储介质

权利要求书

1.一种网络故障预测方法，其特征在于，所述方法包括：

获取第一样本数据集和第二样本数据集；所述第一样本数据集为标记有网络故障类别的样本数据；所述第二样本数据集为未标记有网络故障类别的样本数据；

利用所述第一样本数据集，结合多个预设分类器，对所述第二样本数据集中全部数据进行标记，得到标记有网络故障类别的第三样本数据集；

将所述第三样本数据集作为训练数据；将所述训练数据输入至预测模型进行训练，得到用于预测网络故障类别的神经网络模型；

利用所述神经网络模型对待测样本数据集进行预测，得到网络故障类别。

2.根据权利要求1所述的方法，其特征在于，所述利用所述第一样本数据集，结合多个预设分类器，对所述第二样本数据集中全部数据进行标记，包括：

将所述第一样本数据集和所述第二样本数据集分别输入至第一分类器和第二分类器中，得到第一分类结果和第二分类结果；

基于所述第一分类结果和第二分类结果，从所述第二样本数据集中确定能够标记为网络故障类别的样本数据；

利用确定的样本数据，对所述第一样本数据集进行更新；并将确定的样本数据从所述第二样本数据集中排除；

将更新后的第一样本数据集和排除掉确定的样本数据的第二样本数据集重新输入至第一分类器和第二分类器中；

以此类推，直至对所述第二样本数据集中全部数据进行标记。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一分类结果和第二分类结果，从所述第二样本数据集中确定能够标记为网络故障类别的样本数据，包括：

对所述第一分类结果和所述第二分类结果进行融合处理，得到融合处理后的分类结果；

基于融合处理后的分类结果，从所述第二样本数据集中确定能够标记为网络故障类别的样本数据。

4.根据权利要求3所述的方法，其特征在于，所述基于融合处理后的分类结果，从所述第二样本数据集中确定能够标记为网络故障类别的样本数据，包括：

针对融合处理后的分类结果中每个数据，计算相应数据对应的证据熵，得到多个证据熵；

将多个证据熵中最小证据熵对应的数据标记为有网络故障类别的样本数据。

5.根据权利要求2所述的方法，其特征在于，所述所述基于所述第一分类结果和第二分类结果，从所述第二样本数据集中确定能够标记为网络故障类别的样本数据，包括：

对所述第一分类结果中每个数据，计算相应数据对应的证据熵，得到多个证据熵；将多个证据熵中最小证据熵对应的数据标记为有网络故障类别的样本数据；

对所述第二分类结果中每个数据，计算相应数据对应的证据熵，得到多个证据熵；将多个证据熵中最小证据熵对应的数据标记为有网络故障类别的样本数据。

6.根据权利要求2至5任一项所述的方法，其特征在于，所述方法还包括：

在对所述第二样本数据集中全部数据进行标记之后，将更新的第一样本数据集作为标记有网络故障类别的第三样本数据。

7.一种网络故障预测装置，其特征在于，包括：

获取单元，用于获取第一样本数据集和第二样本数据集；所述第一样本数据集为标记有网络故障类别的样本数据；所述第二样本数据集为未标记有网络故障类别的样本数据；

第一处理单元，用于利用所述第一样本数据集，结合多个预设分类器，对所述第二样本数据集中全部数据进行标记，得到标记有网络故障类别的第三样本数据集；

第二处理单元，用于将所述第三样本数据集作为训练数据；将所述训练数据输入至预测模型进行训练，得到用于预测网络故障类别的神经网络模型；

第三处理单元，用于利用所述神经网络模型对待测样本数据集进行预测，得到网络故障类别。