基于群體智能的通信網(wǎng)絡告警關聯(lián)規(guī)則挖掘算法研究.pdf

1、聲明尸明本人鄭重聲明：所呈交的學位論文，是本人在指導教師的指導下，獨立進行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本聲明的法律責任由本人承擔。論文作者簽名：日期：絲絲，鐔關于學位論文使用權的說明本人完全了解太原理工大學有關保管、使用學位論文的規(guī)定，其中包括：①學校有權保管、并向有關部門送交學位論文的原件與復印件；②

2、學?？梢圆捎糜坝　⒖s印或其它復制手段復制并保存學位論文；③學?？稍试S學位論文被查閱或借閱；④學?？梢詫W術交流為目的，復制贈送和交換學位論文；⑤學?？梢怨紝W位論文的全部或部分內(nèi)容(保密學位論文在解密后遵守此規(guī)定)。作者簽名：日肌一盈笸乒一一靳繇諺毒桫隰奎星堡三奎蘭塑主塑壅竺莖篁笙莖通信網(wǎng)絡告警關聯(lián)規(guī)則分析，并從告警關聯(lián)規(guī)則數(shù)量、算法運行時長、算法內(nèi)存消耗三方面進行了算法性能評價分析，并提出了以關聯(lián)率、關聯(lián)強度為評價指標的工程測試分析方法

3、。(2)通過對白蟻的筑巢活動、蟻群非對稱雙橋?qū)嶒灥任浵伻后w生物行為觀察分析實現(xiàn)了于信息素的最短覓食路徑選擇策略。本研究將生物學中的共享機制小生境技術、具有跳躍能力的印度跳蟻種群特征相結(jié)合，提出并實現(xiàn)了SN—APLAC算法(SharingmechanismNiche—ApfiofiLeapingAntColony)。SN—APLAC算法利用頻繁1項集剔除TSP無向圖中無效“路徑點”，將無向圖“路徑”中所有項的子集視為潛在頻繁項目集，判斷頻

4、繁項集是否滿足最小支持度進而獲得“刺激點”；然后形成含有“刺激點”的跳蟻路徑圖，通過共享小生境的“交叉與變異操作”方式挖掘原始數(shù)據(jù)中新的潛在關聯(lián)關系，進而形成全局數(shù)據(jù)關聯(lián)邏輯規(guī)則。結(jié)合網(wǎng)絡告警和經(jīng)典關聯(lián)規(guī)則挖掘算法從性能測試(規(guī)則數(shù)量、螞蟻個數(shù)、迭代次數(shù)與內(nèi)存資源關系、SN—APLAC算法與Apriori算法／F’PGrowth算法性能差異)和工程測試(關聯(lián)率、關聯(lián)強度)兩方面綜合評估了SNAPLAC算法的整體質(zhì)量。(3)以鳥群覓食行為

5、抽象形成的粒子群算法為基礎，構造樣本粒子群、候選粒子群和規(guī)則粒子群實現(xiàn)APPSO算法(AprioriParticleSwarmOptimization)基本思想。通過網(wǎng)絡告警ID的排序編碼、基于稀疏鏈表的支持度計算和Apriori算法性質(zhì)三個維度進行優(yōu)化，最終提出并實現(xiàn)了APPSO算法邏輯。結(jié)合網(wǎng)絡告警對APPSO算法與Apriori算法、FP—Growth算法進行了性能測試分析(支持度／置信度／粒子群規(guī)模與關聯(lián)規(guī)則數(shù)量的關系、迭代次數(shù)