基于BP神经网络的网络故障诊断系统

随着计算机网络技术的飞猛发展,网络规模日益扩大、功能越发强大,用户数量急剧增加,使得网络的维护和管理工作变得非常复杂,特别是网络的故障诊断,由于产生网络故障的因素很多,信息量又相当大,使得网络管理人员已经很难用现有的工具来解决所有的网络故障问题。用智能方法来进行网络故障诊断已经成为网络故障诊断领域的发展趋势。 本文将人工神经网络技术应用于网络故障诊断,并针对BP神经网络收敛速度慢、易陷入局部最小点等缺点和网络故障诊断的特殊性,提出了一种基于粗糙集理论和动量节点的BP神经网络改进算法——RSMNBP算法,经大量实验证明,改进后的算法能加速神经网络收敛、能有效防止陷入局部最小点,能提高故障识别率。本文详细分析、设计了基于上述算法的网络故障诊断系统,并通过Microsoft Visual C++ 6.0和Matlab 6.5相结合,在Microsoft Windows 2000环境下,实现了该系统,最后在实际网络环境中对该系统进行了测试,取得了很好的效果。