典型文献
基于机器学习的网络故障检测
文献摘要：
为充分利用历史故障数据辅助运维人员诊断故障,文章提出一种结合随机森林和DNN(深度神经网络)的故障诊断模型.此模型由数据清洗与编码、随机森林特征筛选、深度神经网络层、Dropout(丢弃)层和分类输出层组成.使用基于网格寻优的随机森林算法进行特征约简,再使用DNN训练约简后的数据.调整DNN模型的网络层数结构,实验表明网络故障分类的准确率较高、故障诊断速度快.
文献关键词：
网络故障;DNN(深度神经网络);随机森林;特征约简
中图分类号：
作者姓名：
王明芬;郑骅
作者机构：
福建师范大学协和学院, 福建省福州市 350117;福建师范大学教育学部, 福建省福州市 350117
文献出处：
引用格式：
[1]王明芬;郑骅-.基于机器学习的网络故障检测)[J].电信快报,2022(12):24-28
A类：
B类：
基于机器学习,网络故障,故障检测,故障数据,数据辅助,辅助运维,DNN,深度神经网络,故障诊断模型,数据清洗,特征筛选,网络层,Dropout,丢弃,出层,网格寻优,随机森林算法,特征约简,层数,明网,故障分类
AB值：
0.422226
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
