该文在对数据挖掘中的关联规则、分类、聚类三个关键技术和网络故障诊断技术研究的基础上,提出了数据挖掘在网络故障诊断中应用的方法.数据挖掘技术可以提供多种类型的知识,数据挖掘技术应用到网络故障诊断中将可以解决故障诊断知识匮乏的问题,同时一些数据挖掘方法既是知识发现方法也是故障推理过程,如分类方法、聚类方法,因此也丰富了网络故障诊断的根据知识进行诊断的手段.数据挖掘技术的应用必然会给网络故障智能诊断带来一个新的发展.该文着重进行了以下的研究工作和创新工作:1.通过对网络故障诊断技术的研究,确定数据挖掘的对象数据;2.分析挖掘的对象数据,发现对象数据的动态增长特点,对关联规则采用增量挖掘的方法;3.研究发现对象数据之间对时间间隔敏感,从而提出在挖掘出的关联规则中加入时序信息,使挖掘出的关联规则知识对于网络故障诊断的可用性大大增强;4.研究多分类器组合技术,采用串、并行结构的多分类器;5.组合分类器使用贝叶斯网络分类器、SVM分类器和改进的决策树-不完全决策树;并提出将k最近邻分类方法用于分类结果融合;6.采用聚类结果指导分类器学习的方法,并提出一种植入样本法将聚类直接用于网络故障诊断;7.提出基于万有引力模型的相异度计算方法和渐进生成树的聚类方法,并进行了验证.