网络系统每天产生大量网络管理信息。引入数据挖掘技术对海量网管数据进行分析和处理，并将结果应用于计算机网络故障诊断对提高网络管理的灵活性、可靠性和稳定性具有重要意义。本论文分析了网络故障诊断技术的发展现状和趋势，指出了专家系统等在网络故障诊断中的重要地位及存在的不足。由领域专家提供知识到机器学习是网络故障诊断技术的主要发展趋势之一，而数据挖掘为机器学习提供了有效途径。本论文通过分析数据挖掘技术的特点，提出采用数据挖掘技术从网络告警及性能数据中提取潜在信息。这些信息可直接用于故障诊断或建立和更新专家系统知识库。文章研究了和网络故障有关的网络管理数据的选取、网络告警及性能数据的采集和预处理、数据挖掘技术的选择以及规则的描述等。通过把该方法运用到具体的校园网环境中，并进行实验测试，得到了相应的关联规则，通过分析这些关联规则，得出了各种网络应用与网络性能之间的一些关联关系，找出了某些网络故障的潜在原因。这些是传统网络故障诊断方法难以实现的。这也证明了本论文研究的可行性、正确性以及实用意义。