小生境粒子群支持向量机的网络故障诊断*
2016-03-24张亚梅张正本
火力与指挥控制 2016年2期
张亚梅,张正本
(河南机电高等专科学校,河南 新乡 453003)
小生境粒子群支持向量机的网络故障诊断*
张亚梅,张正本
(河南机电高等专科学校,河南新乡453003)
摘要:针对支持向量机(SVM)在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题,提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数,实现对诊断模型复杂度的优化,并采用小生境粒子群算法进行求解,提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。
关键词:网络故障诊断,支持向量机,小生境粒子群,支持向量数目
0 引言
网络故障诊断[1]实质上是一个模式识别问题,以核技术和结构风险最小化原则为核心的机器学习方法-支持向量机(Support Vector Machine,SVM),在解决小样本、非线性及高维问题中的优势,已被初步应用于网络故障诊断[2-4]。然而,网络开放互联的组织形式使得独立的网元具备了相关性,同一个网络故障事件可能引起多个网络监控设备的告警;此外网络作为一个分层管理系统,故障事件的影响从底层的接口、网络协议等到高层更加抽象的应用服务,由于高层网络实体对低层网络实体的依赖性,低层次的事件必定引起高层次的告警。这些特点使得对于同一事件,往往会引起数目巨大的告警信息,以百兆网络为例,仅IDS系统一小时就可产生上百万条的告警记录,给网络故障诊断系统带来非常大的压力。……
登录APP查看全文
