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
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。
华中科技大学
2021-04-11