[发明专利]一种异构网络环境下的基于深度学习的网络故障诊断方法有效
申请号: | 201810371696.7 | 申请日: | 2018-04-24 |
公开(公告)号: | CN108540330B | 公开(公告)日: | 2021-04-02 |
发明(设计)人: | 朱晓荣;张雷;池德胜 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | H04L12/24 | 分类号: | H04L12/24 |
代理公司: | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人: | 杨晓玲 |
地址: | 210003 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种异构网络环境下的基于深度学习的网络故障诊断方法,其特征是,首先通过分析异构网络故障场景,确定监测阶段和故障诊断阶段将要使用的特征;然后利用最小冗余最大相关性算法选取监测阶段最优特征子集,对故障特征进行匹配,若匹配度大于阈值时,触发故障诊断阶段,通过反向传播算法完成模型参数调整;最后根据得到的最优模型,对异构网络进行故障定位和诊断。本发明所达到的有益效果:本方法基于深度学习理论的视角,通过对异构网络环境下网络结构和故障参数剖析,综合考虑故障发生的概率统计特性,建立了一种异构网络环境下基于深度学习的网络故障诊断模型,应用于异构网络环境中的故障诊断。 | ||
搜索关键词: | 一种 网络 环境 基于 深度 学习 故障诊断 方法 | ||
【主权项】:
1.一种异构网络环境下的基于深度学习的网络故障诊断方法,其特征是,首先通过分析异构网络故障场景,确定监测阶段和故障诊断阶段将要使用的特征;然后利用最小冗余最大相关性算法选取监测阶段最优特征子集,对其进行权重预处理后与网络数据库中的故障特征进行匹配,若匹配度大于阈值时,触发故障诊断阶段,采集异构网络全部状态数据,经过数据预处理后,利用卷积神经网络对处理后的数据进行训练,同时引入交叉熵损失函数,通过反向传播算法完成模型参数调整;最后根据得到的最优模型,对异构网络进行故障定位和诊断。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810371696.7/,转载请声明来源钻瓜专利网。