[发明专利]一种网管故障可信度分析系统及方法

权利要求书

1.一种网管故障可信度分析系统，其特征在于：它包括：

概念样本转换模块，用于通过给定的告警样本库和衡量样本的指标，计算得到一个包含了正例和反例的概念样本集合；其中告警样本库从已有的通信告警系统中获取，并将告警样本库中被标记为故障的告警样本标记为正例，衡量样本的指标由用户在本系统中设定，告警样本库中的正例结合其对应的衡量样本的指标形成正例的特征，概念样本集合是由告警样本库结合衡量样本的指标转换成的一个可学习的样本库；

概念学习模块，用于通过候选消除算法对所述的概念样本集合进行计算，得到一个表达正例的由最一般概念作为下界到最特殊概念作为上界的变型空间，并通过回溯遍历把变型空间中的所有概念模式存入概念学习结果库；

可信度分析模块，用于在接收到外部系统所分析出的故障时结合概念学习结果库，让接收到的故障与概念学习结果库内的所有概念模式进行匹配，根据匹配的结果判断其匹配成功率，成功率越高可信度也就越高，反之则可信度越低；

用户交互模块，用于将可信度低于可信度阈值的进行预警通知用户，由用户根据实际情况判断接收到的故障是否是真实故障，若不是则可对本次故障进行标记，并交由适应学习模块处理；可信度阈值由用户给定；

适应学习模块，用于将做出标记的故障提交给概念学习模块，让其重新学习调整变型空间，输出新的概念学习结果存入概念学习结果库。

2.利用权利要求1所述的网管故障可信度分析系统实现的网管故障可信度分析方法，其特征在于：它包括以下步骤：

A、概念样本转换模块利用告警样本库和衡量样本的指标，计算输出一个包含了正例和反例的概念样本集合；

B、概念学习模块通过候选消除算法对概念样本集合进行计算，获得一个变型空间，并遍历变型空间将空间中的所有概念模式存入概念学习结果库；

C、可信度分析模块接收外部系统分析出的故障，将该故障和概念学习结果库中的概念模式进行匹配，计算匹配成功率，将匹配成功率作为可信度输出；

D、用户交互模块显示故障的可信度，并根据用户所设置的可信度阈值对超过阈值的可信度输出预警；用户根据实际情况判断外部系统分析出的故障是否是真实故障，若不是则对本次故障进行标记；

E、适应学习模块对标记的故障作为反例以调整变型空间，更新概念学习结果库，最终收敛形成一个符合当前情况的完整概念。

3.根据权利要求2所述的网管故障可信度分析方法，其特征在于：所述的步骤A具体为：

A1、概念样本转换模块从已存在的告警样本库读入告警信息；

A2、设定衡量样本的指标，其指标包括时间连贯性、告警级别、链路类型、所处节点位置、告警名称和告警定位点；时间连贯性是指该告警发生时间距离最近的另一条告警发生时间的差的绝对值；告警级别是告警样本库中定义的告警级别；链路类型包括环形链路、链式链路和星型链路，根据实际网络拓扑由用户给出；所处节点位置表示告警发生的节点在网络拓扑所处的位置；告警名称和告警定位点是来自告警数据库的直接信息；

A3、按照时间窗口划分将告警交给外部的故障分析程序，分析判断故障并输出故障；

A4、将所有故障归为正例，将所有非故障的告警归为反例；

A5、最后，合并正例和反例集合，将合并后的集合按衡量样本的指标转换成概念样本集合输出。

4.根据权利要求2或3所述的网管故障可信度分析方法，其特征在于：所述步骤B具体包括：

B1、概念学习模块首先通过候选消除算法压缩上下界，产生由最一般概念作为下界到最特殊概念作为上界的变型空间；

B2、遍历变型空间获取空间中的所有概念模式，存入内存；

B3、将内存中的所有概念模式批量存储到概念学习结果库。