邓翠艳，姚旭清

(1.太原理工大学 现代科技学院，太原 030027；2.中国移动通信集团山西有限公司，太原 030009)

通信网络时刻会产生大量的告警数据，由于网络设备的连通性，原始告警数据通常存在信息冗余、时间不同步、含有噪声等一系列问题[1]，无法直接完成对原始告警数据的关联挖掘。告警关联挖掘需要输入各项事务数据集，因此首先需对原始的告警数据进行转换[2-3]，生成适合挖掘的事务集才能完成后期的相关工作。目前对于时间序列数据的挖掘，大部分研究都设定固定的时间窗口和滑动步长来建立事务数据库[1]。但由于告警具有随机性，采用固定滑动时间窗口在告警频发时段可能会把有关联的告警截断到不同的事务集中，在告警稀疏的时间段会产生空的告警事务集，降低了告警关联规则挖掘的准确性，同时由于网络短暂的振动或不稳定容易产生大量的噪音告警，影响关联规则挖掘的准确性。文献[3-5]提出了多种聚类的智能算法，但是对于告警数据的聚类及冗余数据清除均无法满足告警数据本身特征。DBSCAN聚类算法[6]是一种以密度为基础的聚类分析算法，主要由可达关系导出的最大密度相连的样本集合，即为最终聚类的一个类别。在告警数据聚类中，以告警时间间隔作为度量距离的标准，最大密度相连的告警数据会被聚到同一个时间段，同时清除噪音告警。本文提出了一种基于DBSCAN算法和多约束算法的告警预处理方法。

1 告警数据预处理

伴随设备产生并获取大量告警数据后，需要先对告警数据进行预处理。……