摘要
本发明涉及物流领域,公开了物流中心网络故障自动诊断方法、装置、设备及存储介质,该方法用于提高网络故障诊断的准确性和鲁棒性。该方法包括:对收集的物流中心网络数据进行预处理;预先采用自助采样法从所述预处理网络数据集中抽取样本,形成预定数量的多个子数据集,针对每个子数据集构建一个决策树,在决策树的每个节点,从众多维度特征中随机选择部分特征进行分裂;遍历每个决策树,在决策树的每个节点上引入长短期记忆网络模型,构建决策树‑LSTM模型集群;对所述决策树‑LSTM模型集群中的每个决策树‑LSTM模型进行训练,得到训练后的决策树‑LSTM模型集群;调用所述训练后决策树‑LSTM模型集群对当前输入的物流中心网络数据进行诊断预测,输出诊断预测结果。
技术关键词
LSTM模型
物流中心
自动诊断方法
网络故障诊断系统
长短期记忆网络
集群
计算机可读指令
网络故障自动诊断装置
构建决策树
训练集数据
长短时间记忆网络
系统日志
节点
数据分析工具
异常检测方法
可读存储介质
诊断设备
系统为您推荐了相关专利信息
高铁接触网部件
检测网络模型
脱落方法
原始图像数据
风险评估模型
植物生长环境
温室环境控制方法
温室环境控制系统
关联分析算法
粒子群算法优化
路径规划方法
长短期记忆网络
车辆
场景
DQN算法
计算机输入方法
深度神经网络模型
手环
手势
多模态传感器
语音情感识别模型
智能语音助手系统
语音特征
特征提取模块
波动特征