基于SVM的網(wǎng)絡(luò)故障檢測研究.pdf

1、隨著互聯(lián)網(wǎng)的普及與規(guī)模的持續(xù)增長，數(shù)據(jù)驅(qū)動式網(wǎng)絡(luò)故障檢測方法正成為網(wǎng)絡(luò)故障檢測的主流方法，該方法利用數(shù)據(jù)挖掘、人工智能等技術(shù)通過對大量日志文件及歷史數(shù)據(jù)等進(jìn)行分析和處理，實(shí)現(xiàn)對網(wǎng)絡(luò)故障智能發(fā)現(xiàn)并迅速定位。在所有數(shù)據(jù)驅(qū)動式方法中，支持向量機(jī)方法在解決小樣本、非線性及高維度分類預(yù)測中效果顯著。對于規(guī)模較大的數(shù)據(jù)集，作用也相當(dāng)良好。因此，將支持向量機(jī)用于網(wǎng)絡(luò)故障檢測有著堅實(shí)的理論基礎(chǔ)和良好的應(yīng)用前景。
　　論文首先根據(jù)支持向量機(jī)中支持向

2、量與非支持向量的特征，提出了相似度的概念并給出了其具體的計算步驟。依據(jù)相似度提出了一種基于相似度的快速支持向量機(jī)算法。新的算法根據(jù)相似度對訓(xùn)練集進(jìn)行精簡，并在公用數(shù)據(jù)集 cod-ma上對該快速支持向量機(jī)算法進(jìn)行了驗證。隨后，論文將相似度的思想與支持向量機(jī)的廣義KKT條件相結(jié)合，提出了一種新的、簡單、有效的基于相似度的增量學(xué)習(xí)算法，并在模擬數(shù)據(jù)集上對該改進(jìn)增量學(xué)習(xí)算法進(jìn)行了驗證。最后，在公用數(shù)據(jù)集 KDD CUP99上設(shè)計并實(shí)現(xiàn)了一個網(wǎng)絡(luò)

3、故障檢測系統(tǒng)，該系統(tǒng)在對原始數(shù)據(jù)進(jìn)行數(shù)值化、格式化、規(guī)范化、降維等一系列數(shù)據(jù)預(yù)處理操作后，利用文章所提出的基于相似度的快速支持向量機(jī)算法和單類支持向量算法分別對監(jiān)督學(xué)習(xí)和基線學(xué)習(xí)（非監(jiān)督學(xué)習(xí)）的結(jié)果進(jìn)行對比分析。
　　實(shí)驗表明，論文所提出的基于相似度的快速支持向量機(jī)算法和基于相似度的增量學(xué)習(xí)算法在保證足夠高的準(zhǔn)確率的情況下，提高了訓(xùn)練速度。在網(wǎng)絡(luò)故障檢測中，對原始數(shù)據(jù)進(jìn)行預(yù)處理是完全有必要的，普通支持向量機(jī)與單類支持向量機(jī)的對比表