RS-BPNN 在网络故障诊断的仿真研究

• 作者: 郭江平
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 粗糙集 神经网络 故障诊断
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 网络与互连技术
• 页码范围: 186-189
• 分类号: TP393|TP311
• 字数: 3750字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.03.045

摘要

研究网络故障诊断,针对保证网络安全可靠问题.网络故障诊断是一个复杂的过程,网络故障属性数量多且属性之间存在着大量冗余信息,传统故障诊断方法不能有效消除冗余信息,从而使网络故障诊断的准确率低.为了提高网络故障诊断的准确率,提出了一种粗糙集(RS)BP 神经网络(BPNN)的网络故障诊断方法(RS-BPNN).利用 RS 理论对网络故障属性集进行属性约简,消除属性之间冗余信息,使属性独立.将约简后的决策属性作为 BPNN 输入,通过 BPNN 非线性自学习,提高网络故障诊断的准确.通过 RS-BPNN 对网络故障数据进行仿真,仿真表明,相比传统网络故障诊断方法,RS-BPNN 加快了网络故障诊断的速度,提高了网络故障诊断准确性,证明是一种有效的网络故障诊断工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭江平	武汉船舶职业技术学院教务处	24	74	5.0	7.0