技术特征：
技术总结
本发明公开了一种异构网络环境下的基于深度学习的网络故障诊断方法，其特征是，首先通过分析异构网络故障场景，确定监测阶段和故障诊断阶段将要使用的特征；然后利用最小冗余最大相关性算法选取监测阶段最优特征子集，对故障特征进行匹配，若匹配度大于阈值时，触发故障诊断阶段，通过反向传播算法完成模型参数调整；最后根据得到的最优模型，对异构网络进行故障定位和诊断。本发明所达到的有益效果：本方法基于深度学习理论的视角，通过对异构网络环境下网络结构和故障参数剖析，综合考虑故障发生的概率统计特性，建立了一种异构网络环境下基于深度学习的网络故障诊断模型，应用于异构网络环境中的故障诊断。
技术研发人员：朱晓荣;张雷;池德胜
受保护的技术使用者：南京邮电大学
技术研发日：2018.04.24
技术公布日：2018.09.14