韩志强 马海香

【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

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术，它的优势在于基于系统风险最小化的原则，尤其在解决非线性、小样本以及高维模式识别等问题中表现出色。支持向量机理论是建立在统计学习理论的VC维理论[2]基础上，根据有限的样本空间在对任意样本的识别能力和对特定训练样本的学习精度之间寻求最佳的平衡，以达到获取最好的学习能力的目的。……