1、在這個信息化產業(yè)不斷發(fā)展的現(xiàn)代社會，無論是在生活中還是在工作中，人們對通信網(wǎng)絡越來越依賴。如果通信網(wǎng)絡不能正常運行，將會給人們帶來極大的不便甚至是經濟損失。所以，確保網(wǎng)絡正常地運行至關重要。要確保網(wǎng)絡正常地運行，就必須在網(wǎng)絡出現(xiàn)故障的時候，及時而準確地找到故障源，然后解決故障問題。
　　網(wǎng)絡發(fā)生故障時，網(wǎng)絡中的節(jié)點會產生大量的告警。這些告警之間存在一定的相關性，找到這種相關性將有助于故障的定位。如何找到這些海量告警數(shù)據(jù)之間的相關性

2、是一個研究重點。在處理海量數(shù)據(jù)的方法中，數(shù)據(jù)挖掘技術具有很大的優(yōu)勢，該技術將大量的工作交給計算機來處理，既提高了效率也省去了很多人工勞動。不少科研人員將關聯(lián)規(guī)則挖掘用于網(wǎng)絡故障診斷中，取得了一些成果。但是，告警與故障源之間的對應關系不是一對一的，具有很強的模糊性。傳統(tǒng)的關聯(lián)規(guī)則挖掘沒有考慮這種模糊性，致使故障診斷的準確性降低。另外，大型通信網(wǎng)絡通常會劃分成不同的域進行管理。這種分布式結構下，單單挖掘各個子域的域內的告警關聯(lián)規(guī)則是不夠的，

3、還需要挖掘域間的告警關聯(lián)規(guī)則。
　　本文針對告警與故障根源之間的模糊性，在多域分布式網(wǎng)絡的背景下，將模糊理論與數(shù)據(jù)挖掘中的關聯(lián)規(guī)則挖掘結合，對網(wǎng)絡告警進行模糊關聯(lián)規(guī)則挖掘，以分析告警之間的相關性。具體的研究內容和創(chuàng)新點如下：
　　1.針對原始的網(wǎng)絡告警不適合用于關聯(lián)規(guī)則挖掘的問題，論文在網(wǎng)絡告警預處理階段，對告警信息進行了字段提取，統(tǒng)一了告警信息模型；運用時間窗口、滑動步長機制建立了告警事務庫；對告警的各個屬性進行量化處理后

4、運用模糊聚類算法FCM進行告警模糊化處理，最終建立了模糊告警事務庫。本文對基于點密度的FCM算法初始化方法進行了改進。且在全局-局部與局部-局部分布式系統(tǒng)模型下，事務庫同步建立方案和對告警模糊化的處理略有不同。
　　2.針對兩種經典模糊關聯(lián)規(guī)則挖掘算法——Apriori算法和Fuzzy FP-tree算法的不足，即Apriori算法時間效率較低、Fuzzy FP-tree算法處理模糊屬性的能力方面的不足，提出一種時間效率較好，且適

5、合處理告警模糊屬性的基于線性鏈表的告警模糊關聯(lián)規(guī)則挖掘算法LLB-FARM。
　　3.針對兩種不同的分布式系統(tǒng)模型提出了不同的分布式挖掘算法——全局-局部算法和局部-局部算法。并在局部-局部模型的算法中提出兩種不同方案——數(shù)據(jù)傳輸效率優(yōu)先方案DTEPS和站點平均挖掘時間效率優(yōu)先方案SAMTEPS，兩種方案適合不同的場景。最后通過實驗仿真驗證了本文所提出的算法具有良好的時間和空間可擴展性，可以有效地挖掘多域分布式網(wǎng)絡的告警模糊關聯(lián)規(guī)