基于大数据机器学习算法的高价值故障的特征关联挖掘探索

文档名：基于大数据机器学习算法的高价值故障的特征关联挖掘探索
传统依赖单一紧急告警的监控手段存在一定的局限性.随着大数据技术发展及网络数据的丰富,新的故障监控、发现手段成为趋势.提出一种基于大数据机器学习算法的高价值故障特征关联挖掘方法,该方法通过计算告警网元是否工程网元、网元各级告警平均时长及告警量比平日增幅等11项关键属性,利用随机森林算法训练预测器,实现对实时网络数据的计算挖掘、预判输出高危网元,进而对高危网元进行核查处理.经过交叉验证,该方法预判准确率达88.06％,能有效从多维网络特征实现网络体检、高危网元挖掘,达到提升网络主动监控能力、增强网络稳定性的效果.
作者：霍龙浩吴茜李尧辉
作者单位：中国移动通信集团广东有限公司,广东广州510623
母体文献：2018广东通信青年论坛论文集
会议名称：2018广东通信青年论坛  
会议时间：2018年11月1日
会议地点：广州
主办单位：广东科协,广东省通信学会
语种：chi
分类号：TP3TP1
关键词：高价值故障  特征关联挖掘  高危网元  随机森林算法
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文

2024-12-10 14:38 上传 基于大数据机器学习算法的高价值故障的特征关联挖掘探索.pdf

文件大小:

2.16 MB

下载次数:

60

高速下载