10.11959/j.issn.1000-0801.2021253
基于无监督聚类和频繁子图挖掘的电力通信网缺陷诊断与自动派单
缺陷诊断一直是电力通信领域研究的难点之一.基于人工规则的缺陷诊断已经无法应对告警数据的海量增长.基于有监督学习的智能方法需要大量的标注数据和较长的系统构建时间,且大多面向指标性数据,实现部署缺乏可行性.面向告警数据,提出一种基于无监督聚类和频繁子图挖掘实现告警归并和缺陷模式发现的自学习算法,设计了一个自动化完成缺陷诊断及处置的架构.该架构具有良好的可扩展性和迭代更新能力,并部署于实际缺陷自动派单系统中.通过真实场景数据集进行实验验证,结果显示出良好的性能表现,实现了对缺陷的及时发现及精准派单维护.
电力通信;缺陷诊断;无监督聚类;频繁子图挖掘
37
TP393(计算技术、计算机技术)
2021-12-10(万方平台首次上网日期,不代表论文的发表时间)
共13页
51-63