论文部分内容阅读
研究保护网络的安全性,针对传统网络故障知识库冗余度高和稳定性难以两全的缺陷。为保证对故障实时和精确诊断,可以综合利用神经网络方法和粗糙集理论,提出了RSNN算法,可实现不一致情况下的规则获取和学习样本的净化处理。算法具有简化样本、适应性强和容错性高等优点,克服了传统神经网络易陷入局部最优值的缺陷,能够有效消除网络故障诊断中噪声或不相容的信息。利用上述改进方法进行仿真,结果表明,改进方法与同类的其他方法相比,提高了诊断准确率和诊断速度,为实际应用提供了依据,具有一定的价值。