Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 68 trang
Dung lượng: 949 KB

Giới thiệu nội dung

Xây dựng mô hình phân loại lỗi mạng

Tác giả: Huỳnh Vũ Trường Giang

Lĩnh vực: Khoa học máy tính, Trí tuệ nhân tạo

Nội dung tài liệu:

Luận văn này tập trung vào việc xây dựng mô hình tự động để phân loại và đánh giá mức độ nghiêm trọng của các lỗi mạng. Nghiên cứu ứng dụng các kỹ thuật khai phá dữ liệu và học máy, đặc biệt là thuật toán “Rừng ngẫu nhiên” và phương pháp tf x idf, để phân tích các cảnh báo lỗi, xác định nguyên nhân và đưa ra cảnh báo kịp thời. Mục tiêu là tự động hóa quá trình quản lý lỗi, hỗ trợ người vận hành hệ thống và nâng cao hiệu suất, sự ổn định của mạng.

Mục lục chi tiết:

  • Lời cam đoan
  • Lời cảm ơn
  • Mục lục
  • Danh mục các thuật ngữ, chữ viết tắt
  • Danh sách hình vẽ
  • Danh sách bảng
  • Mở đầu
    • Lý do chọn đề tài
    • Mục đích nghiên cứu
    • Đối tượng nghiên cứu
    • Phạm vi nghiên cứu
    • Phương pháp nghiên cứu
  • Chương 1 – Nghiên cứu tổng quan
    • 1.1. Bài toán phân lớp dữ liệu
      • 1.1.1. Khái niệm về phân lớp dữ liệu và bài toán phân lớp dữ liệu
      • 1.1.2. Các bước giải quyết bài toán phân lớp dữ liệu
      • 1.1.3. Các độ đo để đánh giá mô hình phân lớp dữ liệu
    • 1.2. Tổng quan về học máy
      • 1.2.1. Khái niệm
      • 1.2.2. Phân loại các kỹ thuật học máy
    • 1.3. Thuật toán Cây quyết định
      • 1.3.1. Giới thiệu phương pháp
      • 1.3.2. Thuật toán Rừng ngẫu nhiên
    • 1.4. Bug Tracking System
    • 1.5. Thư viện Scikit-learn
    • 1.6. Các công trình nghiên cứu trong nước
    • 1.7. Các công trình nghiên cứu ngoài nước
  • Chương 2 – Phương pháp phân loại lỗi mạng
    • 2.1. Mô hình Two-Phase Defect Detection
    • 2.2. Mô hình dữ liệu lỗi
    • 2.3. Sử dụng phương pháp tf x idf để lọc nội dung quan trọng từ nội dung mô tả lỗi
    • 2.4. Sử dụng thuật toán phân lớp Rừng ngẫu nhiên thông qua bộ thư viện Scikit-learn
    • 2.5. Sử dụng tf x idf trong thư viện Scikit-learn
  • Chương 3 – Xây dựng mô hình phân loại lỗi mạng
    • 3.1. Tập dữ liệu lỗi thu thập từ các BTS
    • 3.2. Trích xuất thuộc tính quan trọng của lỗi
    • 3.3. Xây dựng rừng ngẫu nhiên
      • 3.3.1. Chuẩn hóa dữ liệu sang dạng số
      • 3.3.2. Lấy mẫu dữ liệu cho việc xây dựng cây quyết định
      • 3.3.3 Xây dựng cây quyết định
      • 1.3.4. Xây dựng rừng ngẫu nhiên
  • Chương 4 – Phân tích và đánh giá
    • 4.1. Phân tích độ chính xác của mô hình
    • 4.2. Xác định mức độ quan trọng của các thuộc tính
  • Chương 5 – Kết luận
    • 5.1. Kết quả đạt được
      • 5.1.1. Về mặt lý thuyết
      • 5.1.2. Về mặt thực tiễn
    • 5.2. Hạn chế
    • 5.3. Hướng phát triển
  • Danh mục tài liệu tham khảo