模糊聚类在网络运行态势感知中的应用研究

摘要

网络运行态势感知，就是呈现网络当前的状态和变化趋势。它包括网络中各种设备的运行状况、资源的使用情况以及业务状态等。网络运行态势感知首先完成网络数据的采集，在进一步使用这些网络数据之前需要先对数据进行预处理，而后根据网络运行态势评估的评价指标对网络态势进行评估和预测，最后以可视化界面展示的形式将结果展现给网络管理员，网络管理员便可以把握整个网络的运行态势，并对网络做出尽量实时准确的处理。 本文研究网络态势感知模型，建立网络运行态势评估指标体系，对态势评估指标进行聚类评估得到链路运行质量评估结果，再融合链路权重实现对整个网络当前运行态势的评估。本文的主要工作如下： 1.研究网络运行态势感知系统模型。提出基于链路运行状态评估的网络运行态势感知模型及系统架构，综合考虑各种影响网络运行态势的因素作为态势评估指标，实现对网络运行态势的评估与展示。 2.研究网络运行态势指标体系。从业务、性能、网络三个方面的指标出发，并充分考虑其他能够影响网络态势的因素，建立本文进行网络运行态势感知研究所需的评估指标体系。 3.研究态势评估方法。针对网络数据聚类的特殊性以及现有聚类算法的不足，提出了采用Canopy粗聚类得到初始聚类中心、加入标记信息和参考隶属度相结合的基于改进的半监督FCM聚类算法，该算法在正确率和时间性能方面得到较好的提升。利用此算法得到网络中各链路的运行质量评估结果，再以节点可达性为依据，提出链路权值的计算方法，从而融合各链路的态势以及权重，可以完成整个网络的运行态势评估。 本文在现有网络态势感知研究的基础上，提出了一套运行态势感知模型，在态势评估的过程中使用本文提出的基于改进的半监督FCM聚类算法进行态势评估。实验结果证明，此方法能够反映网络局部和整体的运行状况，其结果可以作为网络管理员对网络进行管理的参考依据，给网络运行管理带来了方便。

目录

第一个书签之前