公开(公告)号：CN114448834A

公开(公告)日：2022-05-06

申请号：CN202210133336.X

申请日：2022-02-11

Applicant: 福建师范大学

Inventor： 林丽美 ,  林宇航 ,  黄艳泽

IPC: H04L43/0823 ,  H04L41/12

Abstract: 本发明公开一种基于折叠超立方体的多处理机网络故障节点诊断方法，其包括以下步骤：S1，确定由折叠超立方体网络FQn节点间进行测试生成的症状集ω；S2，由FQn的症状集ω生成其0‑比较子网络ω0(FQn)；S3，通过深度优先搜索获得0‑比较子网络ω0(FQn)的最大连通分支CCLargest；S4，将CCLargest中的所有节点诊断为无故障，并将其加入无故障节点集SFault‑free；S5，诊断折叠超立方体网络FQn中除无故障节点集SFault‑free外剩余的节点，获取最终的无故障节点集SFault‑free和故障节点集SFault。本发明利用折叠超立方体网络FQn的网络拓扑结构性质，在误诊少量节点的情形下极大地增强FQn的故障诊断能力。

公开(公告)号：CN117596180A

公开(公告)日：2024-02-23

申请号：CN202311433009.7

申请日：2023-10-31

Applicant: 福建师范大学

Inventor： 林丽美 ,  朱秀震 ,  林宇航 ,  黄艳泽 ,  周赵斌

IPC: H04L43/0805 ,  H04L41/12 ,  G06F18/23213

Abstract: 本发明公开一种正则关联图注意力网络驱动的网络故障诊断方法，其包括以下步骤：基于半监督k‑means++聚类算法将网络中的所有节点进行聚类，获得k个分组；依据聚类分组分别将同一个组的节点连接为一个独立的折叠超立方体，基于折叠超立方体构建关联图；利用图注意网络GAT对每个节点与对应的所有邻居节点进行特征聚合获得节点特征；基于节点特征通过Softmax层分类器将节点分类为无故障节点或对应的故障类型节点，完成故障诊断。本发明所提供的一种正则关联图注意力网络驱动的故障诊断方法更有效率，具有较好的应用和推广作用。

公开(公告)号：CN114448834B

公开(公告)日：2023-07-07

申请号：CN202210133336.X

申请日：2022-02-11

Applicant: 福建师范大学

Inventor： 林丽美 ,  林宇航 ,  黄艳泽

IPC: H04L43/0823 ,  H04L41/12

Abstract: 本发明公开一种基于折叠超立方体的多处理机网络故障节点诊断方法，其包括以下步骤：S1，确定由折叠超立方体网络FQn节点间进行测试生成的症状集ω；S2，由FQn的症状集ω生成其0‑比较子网络ω0(FQn)；S3，通过深度优先搜索获得0‑比较子网络ω0(FQn)的最大连通分支CCLargest；S4，将CCLargest中的所有节点诊断为无故障，并将其加入无故障节点集SFault‑free；S5，诊断折叠超立方体网络FQn中除无故障节点集SFault‑free外剩余的节点，获取最终的无故障节点集SFault‑free和故障节点集SFault。本发明利用折叠超立方体网络FQn的网络拓扑结构性质，在误诊少量节点的情形下极大地增强FQn的故障诊断能力。