基于数值型属性约简的SVM网络故障诊断

• 作者: 孟相如 庄凌屹 张立 李爰媛
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 网络故障诊断 支持向量机 数值型属性约简 邻域逼近
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 开发研究与设计技术
• 页码范围: 273-276
• 页数: 4页
• 分类号: TP3
• 字数: 5014字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.07.095

摘要

网络故障的关联性传播可能导致网络故障数据包含大量冗余信息,影响诊断精度和处理效能.该文根据故障数据的特点,将粗糙集理论与支持向量机(SVM)相结合,采用基于邻域粗糙逼近的数值型属性约简算法进行快速高效的故障诊断,避免经典粗糙集理论中离散化误差的影响,缩减数据存储空间,降低SVM训练模型的复杂度,提高训练速度.ROC性能曲线分析结果表明,该方法具有良好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟相如	空军工程大学电讯工程学院	139	731	13.0	19.0
2	张立	空军工程大学电讯工程学院	20	56	5.0	6.0
3	李爰媛	空军工程大学电讯工程学院	3	19	3.0	3.0
4	庄凌屹	空军工程大学电讯工程学院	2	4	1.0	2.0