简介：摘要：近年来 ,以机器学习 (Machine Learning,ML)为代表的人工智能技术在各种网络案例中得到了应用。一种基于支持向量机和双指数平滑的告警预测方法； 一种基于流量、路由和调制格式的机器学习方法 ,用于预测未固定光路的误码率是否在正常范围内； 一种高斯过程分类器来预测每个光链路出现告警的概率。因供应商设备在设备类型、设备版本和网络管理系统等方面存在差异 ,收集的网络性能和告警数据通常是脏数据 ,包括丢失数据、错误数据和同一数据的非标准表示。在实际网络中 ,数据分布不平衡的问题是数据代表性不足和类分布偏斜的一个主要原因。欠采样和过采样是在数据级解决这一问题的两种主要方法。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网 琼ICP备2021005105号
