基于支持向量机和云模型的网络健康状态评估

doi:10.13190/jbupt.201201.10.wenxx

北京邮电大学学报 ›› 2012, Vol. 35 ›› Issue (1): 10-14.doi: 10.13190/jbupt.201201.10.wenxx

基于支持向量机和云模型的网络健康状态评估

温祥西,孟相如

空军工程大学电讯工程学院, 西安 710077

收稿日期:2011-04-12 修回日期:2011-08-28 出版日期:2012-02-28 发布日期:2012-01-05
通讯作者: 温祥西 E-mail:wxxajy@163.com
作者简介:温祥西（1984-），男，博士生，E-mail：wxxajy@163.com 孟相如（1963-），男，教授，博士生导师
基金资助:
陕西省自然科学基金项目（SJ08F14，2009JQ8008）；空军工程大学创新基金项目（201105）

Network Health Evaluation Based on SVM and Cloud Model

WEN Xiang-xi, MENG Xiang-ru

Institute of Telecommunication Engineering, Air Force Engineering University, Xian 710077, China

Received:2011-04-12 Revised:2011-08-28 Online:2012-02-28 Published:2012-01-05
Contact: Xiang-Xi Wen E-mail:wxxajy@163.com

摘要/Abstract

摘要：

分析了支持向量机分类方法的几何意义，结合健康评估问题的定义提出了一种基于支持向量机的网络健康评估方法．将健康评估转化为分类问题，以点到健康分类边界的距离为评估参数从整体上评价网络健康状况，降低了主观因素对网络评估的影响．采用云模型实现了健康度与评语域之间的不确定性映射，更符合评估的实际情况．基于opnet的仿真实验结果表明了该方法的可行性．

关键词: 网络健康状态评估, 支持向量机, 云模型, 网络仿真

Abstract:

The geometrical meaning of support vector machine（SVM）is analyzed. Integrated with the definition of health evaluation a method of network health evaluation based on SVM is introduced and translated into a classifying problem. The distance between the sample and health hyperplane is proposed to be the evaluation parameter. The health from the whole entity is evaluated and the subjective factor influences are reduced. The cloud model is used to realize the uncertained map between health degree and comment. The network simulation based on opnet shows feasibilities of this method.

Key words:

network health evaluation, support vector machine, cloud model, network simulation

中图分类号:

TP393

温祥西孟相如. 基于支持向量机和云模型的网络健康状态评估[J]. 北京邮电大学学报, 2012, 35(1): 10-14.

Xiang-Xi Wen Xiang-Ru Meng.

Network Health Evaluation Based on SVM and Cloud Model

[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2012, 35(1): 10-14.

参考文献

［1］Pranggono B, Elmirghani J Performance evaluation of survivable WDM based SANs in a metro ring network［J］. Optik International Journal for Light and Electron Optics. (2011), doi:10.1016/j.ijleo. 2011.03.033．［2］Xi Zhenyuan, Chen He, Wang Xiangzhong, et al. Evaluation model for computer network information security based on analytic hierarchy process［C］∥IITA 2009. Nanchang China：IEEE Press, 2009：186-189. ［3］罗枫,宋梅, 任志军. 移动网管中多指标综合评估研究［J］. 北京邮电大学学报, 2004, 27(4)：97-101. Luo Feng, Song Mei, Ren Zhijun. An improved evaluation method in mobile network management system［J］. Journal of Beijing University of Posts and Telecommunication, 2004, 27(4)：97-101. ［4］张靖.模糊综合评判的校园网性能评价研究［J］. 电子科技大学学报, 2009, 38(6)：998-1000. Zhang Jing. Campus network performance assessment based on the fuzzy comprehensive evaluation［J］. Journal of University of Electronic science and Technology of China, 2009, 38(6)： 998-1000. ［5］罗赟骞,夏靖波, 陈天平. 基于云模型和熵权的网络性能综合评估模型［J］. 重庆邮电大学学报：自然科学版, 2009, 21(6)：771-775. Luo Yunqian, Xia Jingbo, Chen Tianping. Network performance comprehensive evaluation model based on cloud model and entropy weight［J］. Journal of Chongqing University of Posts and Telecommunications：Natural Science Edition, 2009, 21(6)：771-775. ［6］徐海东,李治文, 江峰. 基于神经网络的UTRAN网络质量综合评价［J］. 北京邮电大学学报, 2005, 28(4)：41-44. Xu Haidong, Li Zhiwen, Jiang Feng. 3G UTRAN quality evaluation based on neural network ［J］. Journal of Beijing University of Posts and Telecommunication, 2005, 28(4)：41-44. ［7］于艳华,宋梅, 潘阳发, 等. 改进的基于支持向量机的网络综合评价策略［J］. 北京邮电大学学报, 2007, 30(6)：85-88. Yu Yanhua, Song Mei, Pan Yangfa, et al. An improved network performance evaluation method based on support vector machines［J］. Journal of Beijing University of Posts and Telecommunication, 2007, 30(6)：85-88. ［8］Vapnik V, Statistical learning theory［M］. New York：Wiley, 1998. ［9］李德毅,刘常昱, 杜鷁, 等. 不确定性人工智能［J］. 软件学报, 2004, 15(11)：1583-1594. Li Deyi, Liu Changyu, Du Yi, et al. Artificial intelligence with uncertainty［J］. Journal of Software, 2004, 15(11)：1583-1594. ［10］李德毅，刘常昱. 论正太云的普适性［J］. 中国工程科学, 2004, 6(8)：28-34. Li Deyi, Liu Changyu. Study on the universality of the normal cloud model［J］. Engineering Science, 2004, 6(8)：

[1]	田中大潘信澎. 小波消噪和优化支持向量机的网络流量预测[J]. 北京邮电大学学报, 2022, 45(5): 79-84.
[2]	赵雄文, 孙宁姚, 耿绥燕, 张钰, 杜飞. 基于最小二乘支持向量机的时变信道建模[J]. 北京邮电大学学报, 2019, 42(5): 29-35.
[3]	韦娟, 张芃楠, 岳凤丽, 宁方立. 基于PSO-PF算法的SVM识别方法及其在异常声音中的应用[J]. 北京邮电大学学报, 2019, 42(3): 58-63.
[4]	吴青, 齐韶维, 孙凯悦, 臧博研, 赵祥. 最小二乘大间隔孪生支持向量机[J]. 北京邮电大学学报, 2018, 41(6): 34-38.
[5]	马宇鹏, 张建国, 邱继伟. 基于Bootstrap-SVR-SOC的小子样结构机构可靠性分析方法[J]. 北京邮电大学学报, 2018, 41(4): 81-85.
[6]	晁浩, 鲁保云, 刘永利, 刘志中, 宋成. 基于谱信息熵和互补模型的声效模式检测[J]. 北京邮电大学学报, 2018, 41(2): 56-61.
[7]	李忠涛, 赵帅, 郎立萌, 史俊, 万波. 论内容可寻址网络中节点扰动引起的结构变化[J]. 北京邮电大学学报, 2016, 39(s1): 67-71.
[8]	刘春红, 韩晶晶, 商彦磊. 基于SVM分类的云集群失败作业主动预测方法[J]. 北京邮电大学学报, 2016, 39(5): 104-109.
[9]	赵建龙, 曲桦, 赵季红, 戴慧珺. 基于Morlet-SVR和ARIMA组合模型的网络流量预测[J]. 北京邮电大学学报, 2016, 39(2): 53-57.
[10]	姜晓庆, 夏克文, 夏莘媛, 祖宝开. 采用半定规划多核SVM的语音情感识别[J]. 北京邮电大学学报, 2015, 38(s1): 67-71.
[11]	孟洛明, 朱杰辉, 杨杨, 孟玲莉, 张平平, 高志鹏. 支持向量机回归预测在网络故障检测中的应用[J]. 北京邮电大学学报, 2014, 37(s1): 23-29.
[12]	陈明, 王树鹏, 云晓春, 吴广君. 基于二维云模型过滤的重复图像发现[J]. 北京邮电大学学报, 2014, 37(s1): 60-65.
[13]	董航, 李祺, 董枫, 彭勇, 徐国爱. Android运行时恶意行为检测模型研究[J]. 北京邮电大学学报, 2014, 37(3): 58-61,88.
[14]	张素香. 智能小区的商业智能[J]. 北京邮电大学学报, 2012, 35(5): 94-97.
[15]	伍春李颖易克初. GA-LSSVM的认知无线电离线学习[J]. 北京邮电大学学报, 2012, 35(2): 90-93.

基于支持向量机和云模型的网络健康状态评估

Network Health Evaluation Based on SVM and Cloud Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价