一种基于选择性隐朴素贝叶斯分类器的网络故障诊断方法

电子信息

本发明公开了一种基于选择性隐朴素贝叶斯分类器的网络故障

诊断方法，包括：(1)从网络历史数据库中获取历史数据，包括症状变

量集以及故障类变量集；

(2)构建选择性隐朴素贝叶斯分类器预测模型，

根据症状变量集中的每个症状变量确定对应的最相关症状变量集合；

(3)所述选择性隐朴素贝叶斯分类器通过训练历史数据自动学习到分类

器参数；(4)进行故障诊断时，对测试数据利用上述选择性隐朴素贝叶

斯分类器进行估计得到对应最终的故障诊断结果。通过执行本发明中的网络故障诊断方法，有效解决了现有网络故障诊断中运算复杂度高、

网络诊断结果偏差大的问题，显著提高了网络诊断的准确性，在进一

步降低运算复杂度的同时，能够保持较好的学习能力及容错特性。

未应用