论文研究 多属性加权模糊贝叶斯的复杂网络故障自修复技术.pdf

为了提高对复杂网络进行故障诊断时的准确率，以及实现故障节点的有效自修复，提出一种多属性加权模糊贝叶斯的复杂网络故障自修复机制。建立贝叶斯网络结构模型，针对故障网络和故障节点进行条件概率估计，实现故障类别诊断。在该模型的基础上引入了多属性值和模糊集合理论进行扩展，提出了一种多属性加权模糊贝叶斯，提升模型对节点进行故障诊断时的灵敏度和准确度。对网络和节点进行故障诊断后，采用网络故障自修复机制，在查找出节点故障类型，采取有效的能量分配方法来修复节点。实验仿真及对比表明，该方法相比基于神经网络的故障诊断方法、基于半监督聚类的故障诊断方法以及基于隐马尔可夫模型的故障诊断方法具有更好的故障诊断和修复性能。