基于數據挖掘的光傳輸網故障診斷研究.pdf

1、目前，隨著電信網絡的規(guī)模越來越龐大、結構越來越復雜、設備越來越多樣，導致告警信息的類型更加豐富、信息量更大、告警信息之間的關聯也更加復雜，因此故障診斷的難度變得日漸困難，診斷的代價也日漸增加。為了解決這一問題，就需要進行告警相關性分析，通過數據挖掘的方法發(fā)現告警之間的關聯規(guī)則，根據規(guī)則來發(fā)現故障的原因，不僅可以減輕管理人員的工作量，也可以將故障帶來的損失降至最低。
　　關聯規(guī)則是數據挖掘領域的一個主要的分支，Apriori算法是關

2、聯規(guī)則的經典算法。本文主要研究了告警相關性方法和關聯規(guī)則Apriori算法與并行化編程模型等方面的知識，改進了Apriori算法且在OpenMP的基礎上以并行的方式實現了改進的算法。這里把改進的Apriori算法稱為加權關聯規(guī)則算法。
　　作者獨立完成的工作主要有以下四個部分:一、針對Apriori算法中產生頻繁項集時多次掃描數據庫，本文采用了以空間換時間思路減少數據庫掃描次數;針對Apriori算法和現在的改進算法都視數據庫中數

3、據項“平等一致”，不符合實際的情況，為了挖掘出更合理的規(guī)則。本文采用數據項在數據庫中出現的概率作為其權值，提升高頻項的重要性。二、對于Apriori算法需要多次掃描數據庫、產生大量的候選項集、串行數據庫掃描時間較長等特點，本文采用的是矩陣之間的“與”運算，不產生候選項集，大大提高了規(guī)則的挖掘效率。三、針對告警數據巨大，所有數據矩陣都存放于內存中往往不現實，再加上邏輯“與”運算的代價也很巨大，引入了OpenMP多線程共享存儲并行編程模型，