随着现代社会的发展,网络在人们的生活和工作中占有越来越重要的地位。如果网络的运行态势发生恶化,将会给人们的日常工作和生活带来极大的不便或者损失。网络运行态势感知需要分析网络运行状态的相互关联,准确评估网络内部的相互影响,找到运行态势恶化的根源问题,从而合理地感知网络的运行态势。在通信网络中,节点之间是相互连接并且互相传递数据的,这导致了网络中任意设施的运行状况都会影响到与之相连接的设施。当节点运行态势的恶化状态被监测时,受到影响的直接相邻的设备的运行状态也被监测,会产生大量设备状态恶化。网络运行态势感知需要把所收集的能够引起网络运行状态发生变化的因素采集并分析。网络管理员可以依据分析地结果进行调控,否则网络管理人员将对大量原始数据不知所措,降低了管理员对网络的维护能力。对数据进行有效归并和压缩的方法在于关联规则挖掘,挖掘的依据是恶化的运行态势因子与其他态势因子之间隐含的关联关系。考虑到网络的多域分布式的特点,本文将模糊理论与数据挖掘相结合,对网络运行态势因子进行模糊关联规则挖掘,提出了一种时间效率较优的模糊关联规则挖掘算法——以链式数据结构、兴趣度约束的并行模糊关联规则挖掘算法,并进行仿真实验验证了算法的优越性。本文的研究内容和创新的如下:1.建立网络运行态势感知模型,本文分两种方式同步进行网络运行态势的分析:一是通过模糊关联分析对网络的运行态势进行评级;二是采取模糊关联规则挖掘的方式对网络运行态势中存在关联性进行挖掘,评估运行态势恶化的相互影响,定位运行态势恶化根源节点。2.建立了网络运行态势感知的评估指标体系。通过滑动窗口的机制来建立运行态势因子事务库,对事务库的数据根据属性分类运用隶属函数进行模糊化处理,建立模糊运行态势因子事务库。将节点重要度、德尔菲层次分析法与灰关联分析相结合,进行网络运行态势评估。3.考虑到通信网络的多域分布式的特点,本论文改进了一种新算法,可以使全局和局域管理站点同步进行模糊关联规则挖掘。通过算法的仿真验证了本论文提出的算法具有良好的时间效率且能过滤部分无趣规则,能够完成对网络运行态势感知的关联分析与运行态势恶化定位。