張 華

（福建警察學(xué)院計(jì)算機(jī)與信息安全管理系，福州350007）

0 引言

光纖通信是利用光網(wǎng)絡(luò)進(jìn)行大數(shù)據(jù)信息傳輸和信息調(diào)度控制的有線帶寬網(wǎng)絡(luò)通信。在采用光纖通信進(jìn)行數(shù)據(jù)傳輸中受到傳輸信道的干擾以及碼間特征擾動等因素的影響，光纖通信產(chǎn)生故障，降低光纖網(wǎng)絡(luò)的輸出準(zhǔn)確性，因此需要對光纖故障進(jìn)行有效挖掘和分類，智能診斷，保障光纖通信的安全穩(wěn)定性和傳輸效率不受干擾。研究光纖通信故障數(shù)據(jù)的分類算法在實(shí)現(xiàn)光纖網(wǎng)絡(luò)的智能故障診斷中具有重要意義[1]。

對光纖網(wǎng)絡(luò)的故障數(shù)據(jù)分類通過數(shù)據(jù)挖掘和特征提取實(shí)現(xiàn)。提取光纖網(wǎng)絡(luò)故障數(shù)據(jù)的關(guān)聯(lián)特征量，采用抗干擾算法進(jìn)行濾波檢測[2]，結(jié)合故障數(shù)據(jù)分類進(jìn)行智能診斷，提高光纖網(wǎng)絡(luò)通信的穩(wěn)定性，確保通信質(zhì)量。傳統(tǒng)方法主要有Reverse KNN法、模糊C均值分類方法、支持向量機(jī)分類方法以及BP神經(jīng)網(wǎng)絡(luò)分類方法等。采用機(jī)器學(xué)習(xí)、專家系統(tǒng)、統(tǒng)計(jì)學(xué)等分類模型進(jìn)行數(shù)據(jù)分類[3]，提高故障的分類和預(yù)測能力，其中，文獻(xiàn)[4]中提出一種基于ART模型和Kohonen預(yù)測的光纖網(wǎng)絡(luò)故障數(shù)據(jù)分類算法，文獻(xiàn)[5]中提出一種基于模糊C均值數(shù)學(xué)分類方法的光纖網(wǎng)絡(luò)故障數(shù)據(jù)分類技術(shù)。

本文提出一種基于機(jī)器學(xué)習(xí)的光纖故障大數(shù)據(jù)分類算法。首先對采集的光纖網(wǎng)絡(luò)傳輸數(shù)據(jù)進(jìn)行低維度的特征集構(gòu)造，構(gòu)建光纖故障分布大數(shù)據(jù)庫，然后采用層次聚類方法對光纖故障大數(shù)據(jù)進(jìn)行極端隨機(jī)數(shù)分析，對全部的故障樣本進(jìn)行抽樣訓(xùn)練，提取光纖故障大數(shù)據(jù)的關(guān)聯(lián)特征量，結(jié)合K-means算法和最近鄰算法進(jìn)行數(shù)據(jù)聚類中心擾動性分析，將光纖故障大數(shù)據(jù)的特征提取結(jié)果進(jìn)行數(shù)據(jù)分類。仿真實(shí)驗(yàn)分析展示了本文方法在提高光纖故障大數(shù)據(jù)分類能力方面的優(yōu)越性能。

1 光纖故障分布大數(shù)據(jù)庫及特征集構(gòu)造

1.1 光纖故障分布大數(shù)據(jù)庫構(gòu)建

為了實(shí)現(xiàn)光纖故障大數(shù)據(jù)分類，利用模糊粗糙集聚類方法構(gòu)建光纖分布大數(shù)據(jù)庫模型，采用最近鄰優(yōu)先分布式信息挖掘方法進(jìn)行光纖故障大數(shù)據(jù)挖掘，采用自適應(yīng)的關(guān)聯(lián)規(guī)則調(diào)度方法進(jìn)行光纖故障數(shù)據(jù)的特征檢測和信息過濾，融合相關(guān)性檢測方法構(gòu)建光纖網(wǎng)絡(luò)故障數(shù)據(jù)的分布式大數(shù)據(jù)庫模型[6]，將數(shù)據(jù)集進(jìn)行向量化處理，在不確定數(shù)據(jù)頻繁項(xiàng)集模式下計(jì)算光纖故障數(shù)據(jù)的頻繁項(xiàng)集，采用期望頻繁項(xiàng)（EFI）與概率頻繁項(xiàng)（PFI）融合分析方法，得到光纖故障分布大數(shù)據(jù)的調(diào)度集函數(shù)

其中，xj(t)表示數(shù)據(jù)集D中的分類信息熵，描述了在第j個聚類中心的樣本子集，lj(t)表示在故障數(shù)據(jù)分類過程中第t代學(xué)習(xí)的樣本集，計(jì)算光纖故障數(shù)據(jù)在第j個聚類中心的輸出標(biāo)簽屬性。采用分裂信息檢測方法分析光纖故障數(shù)據(jù)的統(tǒng)計(jì)特征量[7]，結(jié)合標(biāo)量序列分析方法得到故障數(shù)據(jù)的存儲樣本數(shù)據(jù)庫模型

其中，m，n分別是光纖故障數(shù)據(jù)的采樣樣本的類別數(shù)和采樣節(jié)點(diǎn)，設(shè)D為不確定數(shù)據(jù)庫，Ti為光纖故障數(shù)據(jù)的分類元素，對海量光纖數(shù)據(jù)采樣的統(tǒng)計(jì)分布概率為pi，采用頻繁項(xiàng)集的挖掘方法得到光纖故障數(shù)據(jù)的分布展開寬度

1.2 數(shù)據(jù)的樣本回歸分析和融合處理

在上述基礎(chǔ)上，以少量樣本類別數(shù)據(jù)為測試集，采用層次聚類方法對光纖故障大數(shù)據(jù)進(jìn)行極端隨機(jī)數(shù)分析。在模糊層次聚類中心中，數(shù)據(jù)碼元元素t的期望支持度esup(D)大于閾值θ，則稱光纖網(wǎng)絡(luò)故障數(shù)據(jù)分類的屬性元素為一個頻繁項(xiàng)，滿足約束條件的所有故障數(shù)據(jù)的分類屬性，元素滿足

對光纖網(wǎng)絡(luò)故障數(shù)據(jù)的聚類結(jié)果進(jìn)行自適應(yīng)調(diào)制，若故障類別元素t滿足有限調(diào)度模式，則稱其為概率頻繁項(xiàng)。

其中，δ為當(dāng)前決策樣本集的關(guān)聯(lián)規(guī)則閾值，PW為可能實(shí)例空間，minsup為流量特征的信息增益率，即元素t出現(xiàn)的最少次數(shù)，Ct(ω)表示以ω為統(tǒng)計(jì)特征量的樣本回歸特征量，在實(shí)例空間中計(jì)算新的樣本子集，計(jì)算光纖故障數(shù)據(jù)元素t出現(xiàn)的次數(shù)。根據(jù)信息增益率值從大到小進(jìn)行排序[9]，采用頻繁項(xiàng)挖掘方法分析故障概率最大時的閾值δ，再隨機(jī)找到一個點(diǎn)重復(fù)上述步驟?？紤]到元素t在整個可能實(shí)例空間中成為頻繁項(xiàng)的概率，得到聚簇中心點(diǎn)匯總輸出

其中，‖x→‖表示x→的范數(shù)。由此實(shí)現(xiàn)對故障數(shù)據(jù)的統(tǒng)計(jì)回歸分析和樣本檢驗(yàn)。

2 光纖故障大數(shù)據(jù)分類算法優(yōu)化

2.1 光纖故障大數(shù)據(jù)層次聚類方法

在上述基礎(chǔ)上，進(jìn)行光纖故障大數(shù)據(jù)分類算法的優(yōu)化設(shè)計(jì)。本文提出一種基于機(jī)器學(xué)習(xí)的光纖故障大數(shù)據(jù)分類算法，采用層次聚類方法對光纖故障大數(shù)據(jù)進(jìn)行極端隨機(jī)數(shù)分析，為計(jì)算頻繁項(xiàng)概率，引入光纖故障大數(shù)據(jù)的故障發(fā)生概率和故障數(shù)據(jù)聚類頻次分布概念[10]，用它來表示元素t在光纖故障大數(shù)據(jù)庫中出現(xiàn)不同頻次的概率，記為supt(D)，則光纖故障大數(shù)據(jù)故障層次聚類的模糊迭代不等式可以轉(zhuǎn)化為

其中，numt(D)為光纖故障大數(shù)據(jù)的類間聚類分析元素t在故障樣本分布數(shù)據(jù)庫中出現(xiàn)的最大次數(shù)。對于supt(D)的計(jì)算，采用大數(shù)據(jù)分類全局搜索方法進(jìn)行故障數(shù)據(jù)分類的動態(tài)規(guī)劃[11]，其計(jì)算公式為

其中，pi為第i個光纖故障大數(shù)據(jù)關(guān)聯(lián)規(guī)則分布元素出現(xiàn)在故障判決區(qū)域K中的概率，為前i個光纖故障大數(shù)據(jù)分類屬性元組中t元組出現(xiàn)模糊聚類區(qū)域j次的概率。計(jì)算當(dāng)前故障大數(shù)據(jù)分類窗口所有可能實(shí)例概率，大數(shù)據(jù)分類的模糊學(xué)習(xí)迭代式為

其中，β表示在大數(shù)據(jù)分類全局搜索的關(guān)聯(lián)特征量，故障大數(shù)據(jù)樣本集的第一部分表示元素t在第i個元素上出現(xiàn)，即前i-1個故障大數(shù)據(jù)分類屬性元素中t僅出現(xiàn)j-1次的統(tǒng)計(jì)概率，以少量的樣本類別數(shù)據(jù)為測試集，采用層次聚類方法對光纖故障大數(shù)據(jù)進(jìn)行模糊隨機(jī)數(shù)分析，實(shí)現(xiàn)對光纖故障大數(shù)據(jù)層次聚類[12]。

2.2 機(jī)器學(xué)習(xí)和故障大數(shù)據(jù)分類步驟優(yōu)化

對全部的故障樣本進(jìn)行抽樣訓(xùn)練，提取光纖故障大數(shù)據(jù)的關(guān)聯(lián)特征量[13-15]，使用一個四元組結(jié)構(gòu)來描述光纖故障大數(shù)據(jù)的關(guān)聯(lián)特征：，其中，為光纖故障大數(shù)據(jù)在時刻到達(dá)窗口的第j次出現(xiàn)的第i個數(shù)據(jù)元素，為輸出優(yōu)化訓(xùn)練的最優(yōu)概率，(supk1(D),…,supkf(D))為數(shù)據(jù)聚類中心擾動概率分布值，(Tk1,…Tkj)為當(dāng)前窗口元素出現(xiàn)故障的光纖大數(shù)據(jù)頻繁項(xiàng)。采用機(jī)器學(xué)習(xí)算法[16]，進(jìn)行故障大數(shù)據(jù)分類，得到機(jī)器學(xué)習(xí)迭代式

DPSWF算法：

輸入：光纖故障大數(shù)據(jù)的不確定數(shù)據(jù)流DS，光纖故障大數(shù)據(jù)的關(guān)聯(lián)樣本閾值minsup，統(tǒng)計(jì)分布概率閾值δ，光纖故障大數(shù)據(jù)采樣的窗口長度W；

輸出：支持向量機(jī)學(xué)習(xí)的頻繁項(xiàng)集合D

1）初始化機(jī)器學(xué)習(xí)的參數(shù)和故障數(shù)據(jù)分類系數(shù)SWF=null,D=null,Pij=0,supki(ω)=0 ；

2）forXij，隨機(jī)找到一個點(diǎn)，得到故障大數(shù)據(jù)分類的所有聚簇的中心點(diǎn)；

3）按照聚簇交叉計(jì)算其概率Pij；

4）i（f當(dāng)前窗口未滿），采用最近鄰優(yōu)先吸收方法進(jìn)行故障特征重組；

5）更新當(dāng)前窗口所含光纖故障大數(shù)據(jù)的樣本，計(jì)算故障類別的概率分布值supki(ω)；

6）計(jì)算從數(shù)據(jù)集中超過頻次閾值的故障大數(shù)據(jù)樣本集，結(jié)合累計(jì)概率分布方法得到統(tǒng)計(jì)特征量為；

7）ifQ≥δ；

8）將機(jī)器學(xué)習(xí)的光纖故障大數(shù)據(jù)樣本加入頻繁項(xiàng)集合D；

9）else；

10）進(jìn)行樣本回歸分析，將故障數(shù)據(jù)存入窗口集合SWF;

11）end；

12）else//窗口已滿；

13）查找過期樣本元素，并刪除；

14）對全部的故障樣本進(jìn)行抽樣訓(xùn)練，更新窗口的概率分布值supki(ω)；

15）end；

16）end；

17）返回光纖故障大數(shù)據(jù)的頻繁項(xiàng)集D。

運(yùn)用上述步驟，實(shí)現(xiàn)了光纖故障大數(shù)據(jù)分類算法的改進(jìn)設(shè)計(jì)。

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了測試本文方法在實(shí)現(xiàn)光纖故障大數(shù)據(jù)分類中的性能，進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)采用Matlab 7和C++聯(lián)合仿真設(shè)計(jì)，光纖網(wǎng)絡(luò)故障大數(shù)據(jù)采樣的樣本規(guī)模為1000Mbit，訓(xùn)練樣本集為1024，數(shù)據(jù)采樣的時間寬度為10s，數(shù)據(jù)采樣的樣本時域波形如圖1所示。

設(shè)置W=1000，minsup=100，δ分別取0.2,0.32,0.25,0.35時進(jìn)行故障數(shù)據(jù)分類識別，設(shè)定光纖故障大數(shù)據(jù)采集的頻次閾值minsup=2，故障大數(shù)據(jù)分布的概率閾值δ=0.3時，故障類別元素4，頻繁項(xiàng)的關(guān)聯(lián)規(guī)則特征挖掘結(jié)果見表1。

圖1 光纖故障大數(shù)據(jù)研究對象樣本

表1 光纖故障大數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘結(jié)果

根據(jù)光纖故障大數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘結(jié)果，進(jìn)行光纖故障大數(shù)據(jù)分類，計(jì)算分類概率見表2。

表2 光纖故障大數(shù)據(jù)分類概率

分析表1和表2結(jié)果得知，采用本文方法能有效實(shí)現(xiàn)光纖故障大數(shù)據(jù)分類，對故障大數(shù)據(jù)分類檢測的準(zhǔn)確概率較高，測試對樣本集D1和D2進(jìn)行的數(shù)據(jù)分類的準(zhǔn)確率，得到對比結(jié)果如圖2所示。

圖2 光纖故障大數(shù)據(jù)分類準(zhǔn)確性對比

分析圖2得知，本文方法進(jìn)行光纖故障大數(shù)據(jù)分類的準(zhǔn)確性較高，誤分率較低。

4 結(jié)語

對光纖故障進(jìn)行有效挖掘和分類，結(jié)合光纖故障的類別進(jìn)行智能診斷，可以提高光纖通信的智能診斷能力，保障光纖通信的安全穩(wěn)定性和傳輸效率。本文提出一種基于機(jī)器學(xué)習(xí)的光纖故障大數(shù)據(jù)分類算法，對采集的光纖網(wǎng)絡(luò)傳輸數(shù)據(jù)進(jìn)行低維度的特征集構(gòu)造，構(gòu)建光纖故障分布大數(shù)據(jù)庫，對光纖故障數(shù)據(jù)庫中的異常數(shù)據(jù)特征集采用加權(quán)統(tǒng)計(jì)分析方法進(jìn)行樣本回歸分析；以少量的樣本類別數(shù)據(jù)為測試集，采用層次聚類方法對光纖故障大數(shù)據(jù)進(jìn)行極端隨機(jī)數(shù)分析；對全部的故障樣本進(jìn)行抽樣訓(xùn)練，提取光纖故障大數(shù)據(jù)的關(guān)聯(lián)特征量，結(jié)合K-means算法和最近鄰算法進(jìn)行數(shù)據(jù)聚類中心擾動性分析；將光纖故障大數(shù)據(jù)的特征提取結(jié)果輸入到機(jī)器學(xué)習(xí)器中進(jìn)行數(shù)據(jù)分類，結(jié)合大數(shù)據(jù)融合聚類方法實(shí)現(xiàn)光纖故障大數(shù)據(jù)分類。研究得知，采用本文方法進(jìn)行光纖故障大數(shù)據(jù)分類的準(zhǔn)確性較高，提高故障診斷能力。