一種基于選擇性隱樸素貝葉斯分類器的網(wǎng)絡(luò)故障診斷方法
本發(fā)明公開了一種基于選擇性隱樸素貝葉斯分類器的網(wǎng)絡(luò)故障 診斷方法,包括:(1)從網(wǎng)絡(luò)歷史數(shù)據(jù)庫中獲取歷史數(shù)據(jù),包括癥狀變 量集以及故障類變量集;(2)構(gòu)建選擇性隱樸素貝葉斯分類器預測模型, 根據(jù)癥狀變量集中的每個癥狀變量確定對應(yīng)的最相關(guān)癥狀變量集合; (3)所述選擇性隱樸素貝葉斯分類器通過訓練歷史數(shù)據(jù)自動學習到分類 器參數(shù);(4)進行故障診斷時,對測試數(shù)據(jù)利用上述選擇性隱樸素貝葉 斯分類器進行估計得到對應(yīng)最終的故障診斷結(jié)果。通過執(zhí)行本發(fā)明中的網(wǎng)絡(luò)故障診斷方法,有效解決了現(xiàn)有網(wǎng)絡(luò)故障診斷中運算復雜度高、 網(wǎng)絡(luò)診斷結(jié)果偏差大的問題,顯著提高了網(wǎng)絡(luò)診斷的準確性,在進一 步降低運算復雜度的同時,能夠保持較好的學習能力及容錯特性。
華中科技大學
2021-04-11