[发明专利]基于鸽群算法优化支持向量机的网络故障预测方法及系统

权利要求书

1.一种基于鸽群算法优化支持向量机的网络故障预测方法，其特征在于，包括以下步骤：

采集网络性能监控数据，对网络性能监控数据进行预处理；

采用鸽群算法训练优化SVM模型，得到PIO-SVM模型；

基于PIO-SVM模型预测网络故障。

2.如权利要求1所述的基于鸽群算法优化支持向量机的网络故障预测方法，其特征在于：所述对网络性能监控数据进行预处理，具体包括以下步骤：

将采集到的网络性能监控数据进行归一化处理，处理后的数据一部分作为SVM预测网络故障的训练样本集，另一部分作为SVM预测网络故障的测试样本集。

3.如权利要求2所述的基于鸽群算法优化支持向量机的网络故障预测方法，其特征在于：所述采用鸽群算法训练优化SVM模型，得到PIO-SVM模型，具体包括以下步骤：

建立SVM的数学模型，输入训练样本集，其输出结果精度作为SVM参数的初始化及优化的选定参考依据；

采用鸽群算法，对SVM的数学模型进行训练优化，获得SVM的最优惩罚参数与核函数参数；

基于以上初始化及优化参数，得到PIO-SVM模型。

4.如权利要求3所述的基于鸽群算法优化支持向量机的网络故障预测方法，其特征在于：所述基于PIO-SVM模型预测网络故障，包括以下步骤：

将测试样本集输入PIO-SVM模型，得到网络故障预测结果。

5.如权利要求1所述的基于鸽群算法优化支持向量机的网络故障预测方法，其特征在于：所述采集网络性能监控数据，具体包括以下步骤：

基于TCP探测器、SNMP、WMI或代理部署，通过监控FTP、HTTP和SMTP的网络服务，获取CPU、磁盘、内存、网络接口、系统进程、网口、电口、光接口的多组网络性能监控数据。

6.一种基于鸽群算法优化支持向量机的网络故障预测系统，其特征在于，包括：

采集单元，用于：采集网络性能监控数据；

预处理单元，用于：对网络性能监控数据进行预处理；

训练优化单元，用于：采用鸽群算法训练优化SVM模型，得到PIO-SVM模型；

网络故障预测单元，用于：基于PIO-SVM模型预测网络故障。

7.如权利要求6所述的基于鸽群算法优化支持向量机的网络故障预测系统，其特征在于：所述预处理单元对网络性能监控数据进行预处理，具体过程为：

所述预处理单元将采集到的网络性能监控数据进行归一化处理，处理后的数据一部分作为SVM预测网络故障的训练样本集，另一部分作为SVM预测网络故障的测试样本集。

8.如权利要求7所述的基于鸽群算法优化支持向量机的网络故障预测系统，其特征在于：所述训练优化单元采用鸽群算法训练优化SVM模型，得到PIO-SVM模型，具体过程为：

所述训练优化单元建立SVM的数学模型，输入训练样本集，其输出结果精度作为SVM参数的初始化及优化的选定参考依据；

采用鸽群算法，对SVM的数学模型进行训练优化，获得SVM的最优惩罚参数与核函数参数；

基于以上初始化及优化参数，得到PIO-SVM模型。

9.如权利要求8所述的基于鸽群算法优化支持向量机的网络故障预测系统，其特征在于：所述网络故障预测单元基于PIO-SVM模型预测网络故障，具体过程为：

所述网络故障预测单元将测试样本集输入PIO-SVM模型，得到网络故障预测结果。

10.如权利要求6所述的基于鸽群算法优化支持向量机的网络故障预测系统，其特征在于：所述采集单元采集网络性能监控数据，具体过程为：

所述采集单元基于TCP探测器、SNMP、WMI或代理部署，结合监控FTP、HTTP和SMTP的网络服务，获取CPU、磁盘、内存、网络接口、系统进程、网口、电口、光接口的多组网络性能监控数据。