摘 要：为解决计算机网络应用层故障诊断问题，设计了一个基于粗糙集神经网络的故障诊断系统，详细描述了系统的结构、粗糙集神经网络的构造和训练方法，并通过仿真验证了该方法的有效性。
关键词：应用层；故障诊断；粗糙集；神经网络；遗传算法
网络技术的飞速发展为各种以网络为基础的应用和业务提供了很好地环境，但同时对网络服务质量、网络管理功能提出了更高的要求。尤其在网络应用层，新的网络应用不断涌现，配置方法多样且不断更新，故障诊断变得非常复杂。
1 系统结构
本文设计的基于粗糙集神经网络（RSNN）的应用层故障诊断系统由三大模块构成：事件产生器、RSNN训练模块和RS诊断模块。
事件产生器从网络中捕获网络应用层数据流，通过分析网络应用层记录，提取每条网络连接的特征信息，对这些特征信息进行预处理，得到RSNN的输入向量形式；如果系统处于RSNN训练模式，系统将网络事件存入训练事件库，RS规则提取子模块从训练事件中提取RS规则，并且由初始RSNN构造子模块构造出初始的RSNN，RSNN训练子模块利用遗传算法完成对RSNN的训练，并将训练好的RSNN存入RSNN库；如果系统处于诊断模式，RSNN诊断子模块从RSNN库中提取RSNN完成对网络事件的诊断，并将诊断结果存入事件日志库或提交给输出及相应子模块做进一步处理。
2 属性离散化
实际问题的决策库中存在着大量的连续属性，在这些属性的基础上利用粗糙集理论提取出来的决策规则支持度极低，不利于实际问题的匹配。本文采用基于信息熵的方法 S. Vinterbo and A. ?hrn. Minimal approximate hitting sets and rule templates. International Journal of Approximate Reasoning. 2000,25(2):123–143.
