网络管理告警数据库中时序规则挖掘的一种新方法

提出一种基于“最小发生的双时间窗口约束”时序规则挖掘新方法。该方法依据“双时间窗口”约束和“最小发生”判据,可判别在一个时间窗内的哪些告警事件导致了另一个时间窗内告警集合事件的产生,快速寻找出不同网络设备告警与其它网络设备告警之间的关联知识。通过对采集某省级IP网的告警数据库进行规则挖掘实验,表明该方法可以准确、快速地挖掘出海量网络告警数据库中大量有意义的时序规则,这些规则可作为选验知识来指导网络智能化故障定位、诊断及预测。     

通信网网管告警过滤机制的研究与应用

随着通信网业务量的迅速增长,其告警数量呈指数级增长.对于融合交换、传输、数据、动力环境等全部专业的通信网集中告警监视系统,必须有效地对海量告警数据进行过滤,才能保证关注告警,实现系统的实用化.在对通信网告警特点进行分析的基础上,提出了分层过滤模型和基于多模板的告警过滤技术,实现了告警数据的逐层收敛;提出了Apriori关联挖掘算法与事件滑动窗口相结合的告警相关性规则生成算法构建告警关联规则,实现了告警过滤模板的智能化生成.     

数据挖掘技术在通信网告警分析中的应用

在通信网中每天都会产生大量的告警数据,其中隐藏着很多有价值的信息,可用来过滤各种冗余告警,实现智能化故障定位、诊断和预测,告警关联性分析则是实现前述功能的重要基础.本文通过对通信网告警数据以及告警之间关联性的分析,提出将Apriori关联挖掘算法与事件滑动窗口相结合的告警相关性规则生成算法,实现自动生成告警相关性规则.     

基于SVM和模糊逻辑的告警相关性分析*

针对网络故障诊断中现有告警关联算法存在的网络动态适应性差、关联误报率高等问题,提出了一种基于支持向量机(support vector machine,SVM)和模糊逻辑的告警相关性分析算法。该算法在数据预处理部分采用滑动时间窗、时序模糊以及特征统计的方法解决了网络不确定性和数据格式规范化的问题,并通过SVM训练和识别完成相关性分析。DARPA攻击数据集测试结果表明,该算法误报、漏报率低,压缩率大,网络动态适应性好,提高了告警关联效率。     

基于多源告警的攻击事件分析

为解决多源告警中的复杂攻击难以被发现的问题,提出一种攻击序列模式挖掘算法。利用正则表达式匹配告警,将多源告警规范化为统一格式。对冗余告警信息进行压缩,利用强关联规则训练得到的规则集聚合同一阶段的告警,有效去除冗余告警,精简告警数量。利用滑动窗口对聚合后的告警进行划分得到候选攻击事件数据集,通过改进的PrefixSpan算法挖掘得到多阶段攻击事件的攻击序列模式。实验结果表明,该算法在不依赖专家知识的前提下,能够准确并高效地分析告警相关性,还原攻击事件中的攻击步骤。相比传统PrefixSpan算法,提出的改进算法的攻击模式挖掘效率提升了48.05%。     

基于状态约束的滑动时间窗软测量模型

工业过程的模型通常具有非线性强、系统时变明显、工况变化大等特点。传统的滑动时间窗选择方法容易包含大量关联度低的数据,影响了数据模型的建模精度和建模效率。本文提出了一种带状态约束的滑动时间窗口选择算法,应用于工业连续过程软测量模型的训练数据选取。将该时间窗口选择算法与最小二乘支持向量回归算法结合,利用电站锅炉的历史运行数据,建立了燃煤电站锅炉尾部烟气含氧量的软测量模型。研究结果表明,相比于传统的滑动时间窗选择算法,利用该算法进行训练样本选取后,提高了所建立的最小二乘支持向量机模型的模型精度和运行效率。利用该方法建立的烟气含氧量软测量模型具有较高的精度,可以在氧化锆传感器发生故障时代替其工作,保证了氧量信号的稳定性和可靠性。     

基于状态约束的滑动时间窗软测量模型北大核心CSCD

工业过程的模型通常具有非线性强、系统时变明显、工况变化大等特点。传统的滑动时间窗选择方法容易包含大量关联度低的数据,影响了数据模型的建模精度和建模效率。本文提出了一种带状态约束的滑动时间窗口选择算法,应用于工业连续过程软测量模型的训练数据选取。将该时间窗口选择算法与最小二乘支持向量回归算法结合,利用电站锅炉的历史运行数据,建立了燃煤电站锅炉尾部烟气含氧量的软测量模型。研究结果表明,相比于传统的滑动时间窗选择算法,利用该算法进行训练样本选取后,提高了所建立的最小二乘支持向量机模型的模型精度和运行效率。利用该方法建立的烟气含氧量软测量模型具有较高的精度,可以在氧化锆传感器发生故障时代替其工作,保证了氧量信号的稳定性和可靠性。     

电信网告警数据库中的增量式挖掘技术研究

首先回顾了电信网告警数据库中数据挖掘技术应用的研究进展,然后对告警模型进行了形式化描述,并阐述了告警模式挖掘算法WINEPI的基本思想,接着讨论了时间窗宽度改变情况下对候选集规模削减的两个约束条件,基于此提出了一种基于时间窗约束的增量式频繁情景挖掘算法。实验结果表明,该算法的执行效率在一定条件下比原有WINEPI算法有显著提高。     

基于BP网络的移动通信网络告警多级筛选算法

本文通过分析移动通信网络中无线、交换、传输故障告警数据的分布模型和特点,提出了一种基于BP网络的多级告警筛选模型。该模型在实时采集移动通信网络中告警数据的基础上,通过对告警数据的过滤和预处理将告警数据归一化,并使用二进制编码机制将告警数据编码为可使用神经网络进行处理的类型,进而通过使用高斯感知器对告警数据进行预分类,有效降低BP网络需要处理的故障告警数据量,最后通过利用BP网络的自适应特点和模式识别能力,对告警进行模式识别分类,定位主要故障点,提高了移动网络告警的监控效率和网络的稳定性。     

通信网告警影响性分析机制的研究与应用

本地通信网由大量设备与链路相互连接组成,其中一个部件的故障可能关联多个设备和链路,从而引发大量衍生的告警.本文对通信网告警数据的相关性特征进行了详细分析,提出了告警影响性分析策略,建立了分析模型,并应用于通信网网管系统验证了其有效性.     

基于报警时序信息挖掘的报警关联分析方法

面对现代流程工业监控系统报警泛滥问题,为了寻找报警根源以减少无效报警,并针对传统方法在面对大量的报警数据时计算效率低下的问题,提出了一种基于报警数据时序信息挖掘的报警关联分析方法.通过将报警时序信息进行区块化处理,将报警时间序列转换为报警时间的节点序列,然后将区块之间的匹配度作为报警关联度的评价标准,减少了关联分析的运算量;采用滑动窗口比对计算相关报警时间序列的时间关联信息;采用TE过程（Tennessee Eastman process）数据,验证了所提方法的有效性.     

基于空间上下文机制的人体分类验证方法研究

目前常用的基于HOG特征的人体分类方法虽然能够得到较高的检测率,检测结果中却存在大量的虚警窗口。且随着背景区域与前景区域的相似程度的增加,人体检测结果中的虚警率会越来越高。为了降低常用人体检测方法结果虚警率,文章提出一种基于空间上下文机制的人体验证方法,模拟人眼的注意机制,采用多线索方法对检测窗口进行验证,有较地排除了虚警窗口。在INRIA行人集上的检测结果表明,本文提出的方法能够在保证较高人体检测率的同时,显著减少虚警窗口。     

基于图像处理的航空发动机自适应频谱报警技术研究

在飞行试验中,作为飞行器直接的动力来源,航空发动机的状态监测和故障报警技术是保障飞行试验安全的重要手段,而传统的报警技术存在误报警,准确率不高等问题。本文针对传统频域报警方法不能包容工况变化,局部特征与全局特征无法兼顾的问题,研究了基于图像处理的航空发动机自适应频谱报警方法,包括包络生成方法和频段自动划分方法,并将两者应用于均化频谱的报警中。利用某型航空发动机故障数据对方法的有效性进行了验证,结果表明,该方法能够在发动机不同工况下有效划分频谱高能量和低能量区,兼顾了对振动信号局部特征与全局特征,提高了故障报警的自动化水平和准确率。     

An accelerated alignment method for analyzing time sequences of industrial alarm floods

In industrial processes, analyzing and predicting process faults are quite important, which could help operators to take timely and effective responses to ensure process safety and prevent further losses, especially during alarm floods. Various fault analysis methods have been proposed so far, among which the alarm flood sequence alignment (AFSA) methods, unlike other traditional model-based or statistical methods, provide fault inference from the perspective of alarm sequence similarity assessment. A new AFSA method, the match-based accelerated alignment (MAA) is proposed to generate insightful and informative alarm sequence alignments. MAA focuses mainly on alarm match analysis and outperforms other methods in terms of robustness towards nuisance alarms and improved computational efficiency. More importantly, the alarm time information is well considered and explored in MAA, rendering its alignment results capable of revealing the real similarity of alarm floods. Numerical examples and a real chemical plant case are studied to demonstrate the effectiveness and efficiency of the proposed MAA method.     

基于衰减滑动窗口数据流聚类算法研究

数据流具有数据流量大、流量连续且快速、难以存储和恢复等特性,其挖掘质量和效率是检验挖掘算法的重要标准.传统的数据流聚类挖掘算法是基于界标窗口、滑动窗口和衰减窗口模型,其算法的聚类质量较差,时间复杂度高等不足,就此类问题,研究一种滑动衰减窗口的数据流聚类算法,并对算法进行了设计与实现,有效的改善传统数据流算法聚类质量和时间效率的问题.仿真实验结果表明了该算法的有效性,达到了较满意的效果.     

云加端的嵌套滑动窗口故障信号在线检测方法研究*

针对当前制造业生产线设备的故障检测效率以及检测方法通用性不高的问题,本文提出了一种云端融合的动态嵌套滑动窗口故障信号在线检测算法。该算法采用云服务跟智能终端在线检测相结合的架构,利用云服务大存储量和高计算速度、精度的优势,解决了终端设备对故障信号处理能力不足以及仅能对线上数据进行单次扫描的问题。云计算中心根据数据流的波动情况初步确定滑动窗口大小,再根据对异常信号的判断,向智能终端反馈故障信号的大小和相对位置,通过动态嵌套滑动窗口对其进行定位。理论分析和实验结果表明,该方法对周期信号有较好的通用性,而且有效提高了故障检测的效率。     

基于伪事件的RFID数据清洗方法

传统的基于事件驱动的滑动窗口清洗方法只能处理理想的匀速RFID数据流,然而在实际应用中处理非匀速数据流时却会产生较大的输出延迟.为了解决滑动窗口清洗方法的输出延迟和海量中间数据,提出了一种基于伪事件的数据清洗方法PSCleaning.该方法通过在滑动窗口中增加伪事件处理机制,有效地减小了数据的输出延迟;通过对错读和重复读进行的一次性处理,明显缩减了数据量,提高了数据清洗的效率.     

基于AO算法的数据流频繁项集挖掘

In view of a series of problems existing in support update, window update mode and frequent k-itemset mining of traditional frequent itemset mining algorithm in data flow, which results in low efficiency of space and time,an efficient AO algorithm for mining frequent itemsets in data streams is improved. The algorithm uses the idea of sliding window to mine the data stream in blocks; when there is new data flowing in the full window, the residual insertion is used to update the data; and operation is used to solve the support degree of frequent k-itemsets, and the superset detection is combined in the mining process, which greatly improves the mining efficiency.The experimental results show that the algorithm has good superiority in both time and space efficiency.