基于改进支持向量机计算机网络故障诊断.docVIP

基于改进支持向量机计算机网络故障诊断 　　[摘 要]本文对计算机网络存在的故障进行了分析，提出了基于改进支持向量机的计算机网络故障诊断模型，并进行了实例仿真。仿真结果表明：本文提出的模型可以有效降低训练次数和训练时间，提高计算机网络故障诊断效率。 　　[关键词]计算机网络，故障诊断，支持向量机 　　中图分类号：TN707 文献标识码：A 文章编号：1009-914X（2015）41-0094-02 　　1.概述 　　网络故障诊断的目标是最大限度地增加网络的可用时间，提高网络设备的利用率、网络性能、服务质量和安全性，简化混合网络环境下的管理和减少控制网络运行成本，以延长网络的使用寿命。故障诊断的实质就是模式识别，由于网络设备的复杂性和故障形式的多样性，使网络故障征兆和故障状态之间不是简单的一一对应关系，从故障征兆集到故障状态集是一个复杂的非线性映射。 　　智能故障诊断技术包括支持向量机、灰色理论、模式识别、故障树分析、诊断专家系统等。前四种技术只是在某种程度上运用了逻辑推理知识，部分解决了诊断过程中诸如信息模糊、不完全、故障分类和定位等问题，而诊断专家系统则可以以自身为平台，综合其他诊断技术，形成混合智能故障诊断系统[1]。狭义的智能诊断技术一般就指专家系统。 　　支持向量机（SVM）是由CorinnaCortes和Vapnik等人在上世纪80年代初提出来的样本学习技