● 摘要
随着计算机网络的爆炸式增长，网络业务的日趋复杂，网络管理系统管理规模也随之变大，大型网络管理信息已近海量。爆炸式增长的数据和知识的匮乏使得传统的网络质量分析方式已经无法有效的分析网络质量，故需要将新技术引入网络质量分析领域。数据挖掘技术的出现是用于解决海量数据与知识匮乏矛盾的，故将数据挖掘技术引入网络质量分析领域已经是大势所趋。本文将两种数据挖掘技术引入分析平台，分别是聚类算法与序列分段算法。针对网络性能数据的形式简单和具有未知性的特点，本文对经典的k-means算法进行了改进，使其具有低时间复杂度和无需指定分类数的优点。针对网络性能数据的抖动过大特点，本文对经典的滑动窗口算法进行改进，提出了基于聚类的序列分段算法，并经试验证明其分段效果优于传统的序列分段算法。最后，本文利用以上研究成果，设计并实现了大规模网络环境下的网络质量分析平台系统，将序列分段算法用于提高界面显示效率。经过在国家某大型网络中的测试，验证了本系统的高效性和健壮性。