現在位置首頁 > 博碩士論文 > 詳目
論文中文名稱:行動通訊網路告警資料探勘 [以論文名稱查詢館藏系統]
論文英文名稱:Mining Alarm Data in a Mobile Communication Network [以論文名稱查詢館藏系統]
院校名稱:臺北科技大學
學院名稱:管理學院
系所名稱:管理學院資訊與財金管理EMBA專班
畢業學年度:104
畢業學期:第二學期
中文姓名:杜旭昇
英文姓名:Hsu-sheng Tu
研究生學號:103C23505
學位類別:碩士
口試日期:2016/05/27
指導教授中文名:吳建文
指導教授英文名:Chien-Wen Wu
口試委員中文名:吳建文;陳育威;李炯三
中文關鍵詞:資料探勘、行動通訊網路告警
英文關鍵詞:Data Mining,Alarm Data In Mobile Communication Network
論文中文摘要:從3G/4G LTE龐大的行動通訊網路告警資料中,利用資料探勘技術分析,找尋各種電信設備告警之間有意義的資訊,本論文研究以設備網路上下游介接屬性分群分類,使用關聯法則演算法計算出關聯的支持度及信賴度等數值,分析告警的先後次序等資訊,例如A類告警,後續產生B類告警的關聯係數,從係數確認其設備上下游關係及對應設備架構性是否有關聯性影響;另從告警定義層級中,對應告警資料關係,找尋各層級別之間的關聯,確認可能有影響性,卻未定義的告警資訊;最後分析特定日期期間的告警關聯,例:颱風期間,基地站的告警事件種類的發生率,確認哪些種類告警發生比平日發生較多。
這些研究發現的數據資訊,可以作為行動通訊設備障礙預警參考依據,以提供網管人員確認即時告警之處理,並可提供工程單位後續派工處理,最後分析特定期間基地站的告警數的發生率,確認哪些告警發生率較多,可提供工程人員於特定期間的前期準備,以降低服務影響,提升客戶使用滿意度。
論文英文摘要:From the huge mobile communication network alarm data of 3G / 4G LTE; data mining technology analysis is applied in order to acquire useful data among various telecommunication device alarm systems for information. The following thesis focus on further research on the web upstream and downstream of the device interfacing which attributes grouping classification; with association rule using calculus method so as to calculate the degree of support, as well as associated reliability and other values. Alarms and other information analysis priorities including class A warning are subsequent to produce the correlation coefficient of class B alarm. Furthermore, the coefficient is able to confirm their relationship on downstream equipment and corresponding advices the events of typhoon. In addition, the alarm of final analysis of a specific date, for example; in the case of another warning from the relationship of the classification of the corresponding alarm data; it needs to identify possible impact resistance between various levels. However, the alarm information were not defined and explained; thus, correlation effects of different types of alarm occurred at the base station are required to be identified on which events occur more than usual.
The data information found in the studies can be seen as obstacle warning which are reference to mobile communication equipment so as to provide network management personnel instant warning of the confirmation process; and further provide follow-up engineering units dispatching process. The final analysis focused on the frequency of the alarms at a specific base station; therefore confirmed which alarms are able to provide preparation for engineering personnel in a specific period. As a result, service impact is minimized and customers’ satisfaction is improved.
論文目次:ABSTRACT iii
誌 謝 iv
目 錄 i
表目錄 ii
圖 目 錄 iii
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究流程 4
1.4 研究範圍 5
第二章 文獻探討 6
2.1 資料探勘的定義 6
2.2 資料探勘的方法技術 9
2.3 關聯規則 11
2.4 Apriori演算法 14
第三章 研究方法 16
3.1研究架構 16
3.2系統分析 18
3.3系統設計 24
第四章 成果分析 25
4.1分析一 25
4.2分析二 28
4.3分析三 32
第五章 結論 33
參考文獻 35
附錄 37
論文參考文獻:中文文獻
1.曾憲雄,蔡秀滿,蘇東興,曾秋蓉和王慶堯著(2005),資料探勘DataMining,台北:旗標出版股份有限公司。
2.林東清,資訊管理:e 化企業的核心競爭能力(第四版),智勝,2003。
3.梁定澎,決策支援系統與企業智慧,華泰文化,2004。
4.謝邦昌、蘇志雄、鄭宇庭、葉劭緯(2005),資料採礦與商業智慧─SQL Server 2005,鼎茂圖書,2005。
5.孫惠民(2007),資料採掘理論與實務規劃手冊,初版,文魁資訊。
6.吳長興(2004),應用資料探勘技術建立顧客關係管理之行銷策略,碩士論文,國立成功大學工程科學研究所,臺南。
7.呂慶祥(2007),第三代行動電話網管功能之整合研究,碩士論文,華梵大學資訊管理學系研究所。
8.黃升煌(2009),以顧客動態購買興趣樣式為基礎並考慮產品利潤之協同推薦系統,碩士論文,國立高雄第一科技大學資訊管理系。
9.江宗翰(2012),在LTE直接通訊中資源保留的效能分析,碩士論文,國立交通大學資訊科學與工程研究所。
10.常士杰(2013),利用資料探勘Apriori演算法預測零售賣場之個人購物行為,碩士論文,國立高雄第一科技大學服務科學管理研究所
11.維基百科-關聯式規則,https://zh.wikipedia.org/wiki/%E5%85%B3%E8%81%94%E5%BC%8F%E8%A7%84%E5%88%99,參訪日期:105年1月26日。
12.維基百科-先驗算法,https://zh.wikipedia.org/wiki/%E5%85%88%E9%AA%8C%E7%AE%97%E6%B3%95,參訪日期:105年1月26日。
13.國家通訊傳播委員會。行動通信業務客戶統計數。線上檢索日期:2015年4月22日。網址:http://www.ncc.gov.tw/chinese/show_file.aspx?table_name=news&file_sn=45561
14.中央氣象局。歷史颱風。線上檢索日期:2016年1月26日。網址:http://rdc28.cwb.gov.tw/TDB/ntdb/pageControl/ty_warning
英文文獻
1.Frawley, W. J. G., Paitetsky-Shapiro, & Matheus C. J., “Knowledge Discovery in Database: An Overview“, Knowledge Discovery in Database , AAAI Press/The MIT Press, Menlo Park, CA, 1991.
2.Agrawal, R., Imieliński, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Record, 22(2), 207-216.
3.Agrawal, R., & Srikant, R. (1994, September). Fast algorithms for mining association rules. In Proc. 20th int. conf. very large data bases, VLDB (Vol. 1215, pp. 487-499).
4.Agrawal, R., & Srikant, R. (1995, March). Mining sequential patterns. In Data Engineering, 1995. Proceedings of the Eleventh International Conference on (pp. 3-14). IEEE.
5.Fayyad, U., Shapiro G. P., & Smyth P., “From Data Mining to Knowledge Discovery in Database”, AI Magazine, Vol. 17, 1996, pp.37-54.
6.Kleissner, C., ”Data mining for the enterprise”, In Proceedings of the Thirty-First Hawaii International Conference, 1998.
7.Berry, M. J. A., & Linoff, G., Data Mining Techniques for Marketing, Sales, and Customer Relationship Management, Wiley Computer, 2nd ed., 2004.
8.Han, Jiawei, Kamber, Micheline & Pei Jian, Data Mining: Concepts and Techniques 3/e, Morgan Kaufmann, 2011.
論文全文使用權限:同意授權於2021-08-09起公開