網路診斷(Network Tomography)是近代發展的一種新的網路測量與推論方法， 下面YJBYS小編為大家搜尋整理了關於計算機網路故障的智慧化診斷方法，歡迎參考閱讀，希望對大家有所幫助!想了解更多相關資訊請持續關注我們應屆畢業生培訓網!
1、人工神經網路故障診斷法
利用神經網路進行故障診斷，首先對所得的特徵資料進行預處理，剔除不合理資料(外值)，並對資料進行約簡，消除冗餘資訊，神經網路的結構(中間層的傳遞函式和神經元數目)和引數(神經元之間的連線權值和閥值)被確定。再利用測試樣本集對此神經網路進行測試，如果故障診斷的正確率沒有達到要求，增加訓練樣本或訓練次數，繼續對神經網路進行訓練;如果故障診斷的正確率達到要求，即可轉入故障診斷階段，此階段可以線上進行。
2、基於專家系統和模糊推理的故障診斷法
模糊推理是採用模糊邏輯由給定的輸入到輸出的對映過程。首先，利用專家的知識和經驗構建知識庫，對故障與故障現象、現象與現象以及故障與故障之間的關係進行描述。然後通過專家定製、確定性規則轉化、資料探勘或神經網路技術確定模糊規則。最後通過模糊推理機，得到故障的型別和位置資訊。
3、基於支援向量機(SVM)的故障診斷法
支援向量機作為一種機器學習演算法，具有非凡的泛化能力，與其它智慧化方法相比，在解決小樣本、非線性和高維模式識別中表現出明顯的優勢，被應用於影象處理、模式識別和資料分析等領域。從本質上來說，網路故障診斷實際上是一個模式識別問題，可以利用支援向量進行網路故障診斷，具體步驟如下：
(1)網路狀態資訊獲取並約簡，並將特徵資料分為兩部分：訓練樣本集和測試樣本集;
(2)選擇支援向量機的初始化引數，包括核函式的引數和懲罰引數等;
(3)利用訓練樣本集對支援向量機進行訓練，得到最優分類超平面;
(4)利用測試集檢驗診斷效果，如果診斷的正確率沒有達到要求，增加訓練集中的樣本，對支援向量機重新進行訓練;
(5)如果診斷的正確率達到要求，則轉到正式工作階段，進行線上故障診斷。
4、基於人工免疫演算法的診斷法
基於人工免疫的計算機網路故障診斷應用生物免疫系統中的`否定選擇、克隆選擇、高頻變異、免疫學習和免疫記憶等多種機制，構建一個基於免疫原理的網路故障診斷模型，模型主要包括學習和故障診斷兩個過程。其診斷步驟如下：
(1)將選定的表徵網路故障特徵的資料進行處理，並組成特徵向量，作為樣本資料集;
(2)完成對系統相關引數的設定，包括未成熟檢測器的耐受期、成熟檢測器的生命週期和成熟檢測器的啟用閾值等引數的設定;
(3)離線學習，在此階段經過訓練生成相應的成熟檢測器集合，以實現對計算機網路故障的有效檢測;
(4)故障診斷，得到滿足條件的成熟檢測器;
(5)連續學習，未成熟檢測器學習進化，親和力逐漸成熟，經由成熟檢測器，最終保存於記憶庫中。
