[发明专利]一种网络故障诊断方法

摘要

本发明提供了一种网络故障诊断方法，属于通信网络领域。该方法包括：(1)从网络历史数据库中获取历史数据，所述历史数据包括症状变量集和故障类变量集；(2)构建加权平均依赖分类器预测模型；(3)所述加权平均依赖分类器预测模型通过所述历史数据自动学习到分类器参数，形成已训练完成的加权平均依赖分类器；(4)进行故障诊断时，将测试数据输入所述已训练完成的加权平均一依赖分类器，得到对应的故障诊断结果。

主权项

1.一种网络故障诊断方法，其特征在于：所述网络故障诊断方法包括：(1)从网络历史数据库中获取历史数据，所述历史数据包括症状变量集和故障类变量集；(2)构建加权平均一依赖分类器预测模型；(3)所述加权平均一依赖分类器预测模型通过所述历史数据自动学习到分类器参数，形成已训练完成的加权平均一依赖分类器；(4)进行故障诊断时，将测试数据输入所述已训练完成的加权平均一依赖分类器，得到对应的故障诊断结果；所述的症状变量集，具体为：症状变量取值均为名词性属性值，若有数值类型值，均需离散化处理，且对某症状变量的缺失值只标注；所述名词性属性值为0或者1；所述步骤(2)中的加权平均一依赖分类器预测模型如下：其中，t为测试数据，Y为故障类变量集，y为故障类变量的值，p(y,x_i)为对应的故障类变量y和症状变量x_i的联合概率，i＝1,2,…,m，m为症状变量个数且F(x_i)≥g,F(x_i)表示x_i在训练数据中的频数；另外，p(x_j|y,x_i)为症状变量x_j和症状变量x_i与故障变量y的条件概率，j＝1,2,…,m，w_ij为症状变量x_i和症状变量x_j的权重；所述症状变量x_i和症状变量x_j的权重w_ij如下：其中，p(x_i，x_j，y)为x_i和x_j及y的联合概率，p(x_i|y)和p(x_j|y)分别为x_i和x_j的条件概率，i＝1,2,…,m而j＝2,3,…,m且j≥i。