解放军理工大学学报（自然科学版）
解放軍理工大學學報（自然科學版）
해방군리공대학학보（자연과학판）
JOURNAL OF PLA UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE EDITION)
2009年
1期
17-22
,共6页
陈彦德%潘志松%缪志敏%周志杰%孙永红
陳彥德%潘誌鬆%繆誌敏%週誌傑%孫永紅
진언덕%반지송%무지민%주지걸%손영홍
广域网%故障管理%故障诊断%自组织特征映射
廣域網%故障管理%故障診斷%自組織特徵映射
엄역망%고장관리%고장진단%자조직특정영사
为了提高网络管理重要组成部分的故障管理能力,通过对性能数据和故障征兆的推理来确定故障源,针对WAN(wide area network)的故障传播特征提出了一种基于自组织特征映射 SOM(self-organizing maps)的网络故障诊断模型,该模型包括SOM训练模块和故障实时诊断模块.仿真实验表明,采用该模型进行4种故障诊断,故障识别率达到95.82%,而误警率只有3.96%,说明在WAN中采用基于SOM的故障识别方法效果良好.
為瞭提高網絡管理重要組成部分的故障管理能力,通過對性能數據和故障徵兆的推理來確定故障源,針對WAN(wide area network)的故障傳播特徵提齣瞭一種基于自組織特徵映射 SOM(self-organizing maps)的網絡故障診斷模型,該模型包括SOM訓練模塊和故障實時診斷模塊.倣真實驗錶明,採用該模型進行4種故障診斷,故障識彆率達到95.82%,而誤警率隻有3.96%,說明在WAN中採用基于SOM的故障識彆方法效果良好.
위료제고망락관리중요조성부분적고장관리능력,통과대성능수거화고장정조적추리래학정고장원,침대WAN(wide area network)적고장전파특정제출료일충기우자조직특정영사 SOM(self-organizing maps)적망락고장진단모형,해모형포괄SOM훈련모괴화고장실시진단모괴.방진실험표명,채용해모형진행4충고장진단,고장식별솔체도95.82%,이오경솔지유3.96%,설명재WAN중채용기우SOM적고장식별방법효과량호.
