随着科技的发展和人们生活水平的提高，通信网络得到了极大的发展，人们的生活和工作方式也逐渐转变得越来越依赖网络。所以当网络中存在故障的时候，对人们生活和工作的影响也将更大。保障网络的正常和稳定、快速准确的恢复网络故障是如今网络工作者面临的一个极大的挑战。　　网络的功能往往不是一个孤立的网络设备能够完成的，而是需要一系列的设备间的通信来完成的，这就造成了网络故障的传播现象。网络告警的传播正是网络故障传播的一种表现。如何在众多的网络告警中找到根源故障的告警是网络故障诊断的关键，要定位根源告警就需要在大量的网络告警中找到告警之间的相关性。由于数据挖掘在处理大量数据方面的优势使人们把目光转向了网络告警的关联规则挖掘，再者由于网络故障和网络告警之间的这种模糊关系，使得人们开始将模糊理论和数据挖掘技术结合起来应用于网络告警的相关性分析。　　研究发现，网络告警拥有其独特的特点，网络告警的模糊关联规则挖掘必须要适应网络告警的特点才能有效的挖掘出告警间的相关性。首先，关联规则挖掘是面向事务数据库的挖掘算法，想要对告警数据库进行关联规则挖掘就必须要对数据库进行转化或者对算法进行改进。其次，网络告警在分布上也具有鲜明的特点，不同的网络类型的告警以及多层网络的不同层次的告警有不同的分布特点。再者，网络告警在不同的网络层次间传播具有一对多、多对一等的特点，并且与网络中各个业务的使用状况有关。　　针对以上问题，本文做了深入的研究。本文中建立了网络告警模型，提出了对告警进行模糊化的方法，建立了模糊告警模型；本文中提出的基于动态时间窗口的挖掘算法能够直接对模糊告警数据库进行模糊关联规则挖掘，大大提高了关联规则置信度的准确性；本文提出了一种多模糊最小支持度设置方法，该算法能够很好的适应网络告警的分布情况；本文中提出了一种新的多层模糊关联规则挖掘算法来挖掘网络告警的层间传播关联规则；本文还对告警关联规则的生成方法提出了改进，提高了规则的生成速度，降低了规则库的冗余度。