摘? 要： 針對校園網(wǎng)網(wǎng)絡(luò)覆蓋面不廣、執(zhí)行功能相對單一、安全隱患較大的問題，提出以數(shù)據(jù)挖掘為基礎(chǔ)，以K?means算法作為主要分析算法的校園流量監(jiān)測系統(tǒng)。校園流量監(jiān)測系統(tǒng)在原有的校園網(wǎng)管理系統(tǒng)上做了更為完善的改進與優(yōu)化，能夠隨時隨地監(jiān)測校園網(wǎng)流量的異常與否，同時對校園網(wǎng)系統(tǒng)的數(shù)據(jù)信息進行收集，以分析其數(shù)據(jù)信息趨勢并做出決策。通過實驗對比可知，以數(shù)據(jù)挖掘為基礎(chǔ)依據(jù)的校園流量監(jiān)測系統(tǒng)比以往校園網(wǎng)系統(tǒng)更具多樣性，系統(tǒng)穩(wěn)定性更高，應(yīng)用范圍更加廣泛，通過校園網(wǎng)系統(tǒng)對校園網(wǎng)絡(luò)進行管理具有更好的執(zhí)行能力。

關(guān)鍵詞： 監(jiān)測系統(tǒng)設(shè)計; 流量監(jiān)測; 數(shù)據(jù)挖掘; 數(shù)據(jù)采集; 數(shù)據(jù)分析; 校園網(wǎng)

中圖分類號： TN99?34? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）21?0059?05

Design of campus traffic monitoring system based on data mining

ZHOU Kangle

（Nanchang Institute of Technology， Nanchang 330044， China）

Abstract： In view that the coverage of campus network is not wide， the executive function is relatively single and the security risks are large， a data mining based campus traffic monitoring system which takes K?means algorithm as the main analysis algorithm is proposed. The campus traffic monitoring system is improved and perfected on the basis of the original campus network management system， so it can monitor the campus network traffic at anytime and anywhere. At the same time， the data information of the campus network system is collected to analyze the trend of data information and make decisions. In comparison with the previous campus network system， the campus traffic monitoring system based on data mining has more diversity， higher system stability and wider application range. Moreover， the campus network system has better executive ability in the management of the campus network.

Keywords： monitoring system design; traffic monitoring; data mining; data acquisition; data analysis; campus network

0? 引? 言

在時代的發(fā)展進程當中，高校校園網(wǎng)的建設(shè)與發(fā)展已經(jīng)成為高校建設(shè)的關(guān)鍵組成部分[1]。校園網(wǎng)對于高校辦公、教學以及科研方面的應(yīng)用程度也越來越廣泛。面對復雜多變、危險與安全并存的網(wǎng)絡(luò)現(xiàn)狀環(huán)境，校園網(wǎng)在實際應(yīng)用的過程當中遇到的威脅與資源保護問題越來越嚴峻[2]。校園網(wǎng)在其自身網(wǎng)絡(luò)限制與防護上往往存在薄弱環(huán)節(jié)，極易受到網(wǎng)絡(luò)上如惡意站點、木馬程序等各種各樣的惡意攻擊。此類網(wǎng)絡(luò)惡意攻擊的出現(xiàn)，既使得高校校園網(wǎng)面臨不可預知的安全威脅，也讓其因網(wǎng)絡(luò)流量異常等問題而運行緩慢卡頓。對網(wǎng)絡(luò)數(shù)據(jù)流量進行詳細的分析并理清其內(nèi)部關(guān)系，能夠幫助校園網(wǎng)管理人員更好地對校園網(wǎng)絡(luò)進行管理[3]。通常來說，校園網(wǎng)設(shè)計應(yīng)用較少，規(guī)模相對不大，在實際管理上具備比其他網(wǎng)絡(luò)架構(gòu)更明顯的優(yōu)勢。但是隨著網(wǎng)絡(luò)的發(fā)展和網(wǎng)絡(luò)環(huán)境不斷的復雜化，校園網(wǎng)絡(luò)的規(guī)模和設(shè)計應(yīng)用數(shù)量在逐年增長，同時，各類網(wǎng)絡(luò)病毒和惡意攻擊的形式也在不斷發(fā)生變化[4]。校園網(wǎng)絡(luò)管理應(yīng)當保證其具備對應(yīng)的可控性、可用性以及穩(wěn)定牢固的安全水平，是亟需解決的問題。通過數(shù)據(jù)挖掘技術(shù)，對校園網(wǎng)流量進行進一步的流量監(jiān)測和異常流量的預警以及分析，能夠幫助高校更好的運行和維護校園網(wǎng)絡(luò)。

1? 數(shù)據(jù)挖掘技術(shù)

1.1? 數(shù)據(jù)挖掘的定義及其分類

1.1.1? 數(shù)據(jù)挖掘的定義

隨著信息技術(shù)的不斷發(fā)展與成熟，互聯(lián)網(wǎng)數(shù)據(jù)庫當中的數(shù)據(jù)成倍增加。 面對日益龐雜的數(shù)據(jù)庫信息，人們需要找尋一種合適的數(shù)據(jù)索引以及分析工具，在數(shù)以萬計的數(shù)據(jù)庫信息當中進行有效信息的提取，并且能夠從所提取信息當中分析對應(yīng)的發(fā)展趨勢[5]。這時就用到了數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘技術(shù)起源于20世紀80年代，發(fā)展期間幾經(jīng)波折，但是隨著信息技術(shù)的發(fā)展和專家學者的研究與開發(fā)，數(shù)據(jù)挖掘技術(shù)發(fā)展至今已經(jīng)相對成熟，被廣泛應(yīng)用到生產(chǎn)生活的各個方面。

1.1.2? 數(shù)據(jù)挖掘的分類

數(shù)據(jù)挖掘技術(shù)旨在從大量、不規(guī)則的大型數(shù)據(jù)庫當中挖掘有效的、人類所需要的數(shù)據(jù)信息[6]。同時，依據(jù)這些信息做出進一步的分析和關(guān)聯(lián)，幫助人們發(fā)現(xiàn)其隱藏規(guī)則，做出更好的工作規(guī)劃和工作準備。以數(shù)據(jù)挖掘技術(shù)所對應(yīng)的知識類型為基礎(chǔ)依據(jù)，可以將其大致劃分為以下幾類，即總結(jié)規(guī)則、時序規(guī)則、趨勢分析、關(guān)聯(lián)規(guī)則、分類規(guī)則以及聚類規(guī)則等;以其技術(shù)的不同為基礎(chǔ)依據(jù)，可以分為規(guī)則歸納、決策樹、可視化技術(shù)以及人工神經(jīng)網(wǎng)絡(luò)等各種方法[7];以其不同的知識表達為基礎(chǔ)依據(jù)，可以分為高層次挖掘、原始層次挖掘以及多層次挖掘等。

1.2? 數(shù)據(jù)挖掘過程

數(shù)據(jù)挖掘過程是從大量、龐雜的數(shù)據(jù)庫當中進行篩選和甄別的過程。數(shù)據(jù)庫當中的數(shù)據(jù)龐大繁復，直接進行數(shù)據(jù)挖掘往往難以達到預期效果。在數(shù)據(jù)挖掘的實際應(yīng)用過程中，往往需要通過以下步驟逐步進行，以獲得最佳效果[8]。

1） 進行相應(yīng)的數(shù)據(jù)準備。數(shù)據(jù)準備階段需要以下三個細分步驟依次執(zhí)行：

① 進行相應(yīng)的數(shù)據(jù)選擇，依據(jù)在實際應(yīng)用當中的不同需求，進行相應(yīng)的目標數(shù)據(jù)集群選擇，縮小數(shù)據(jù)篩選范圍。

② 對數(shù)據(jù)做出篩選與凈化，依據(jù)實際情況通過對應(yīng)策略對數(shù)據(jù)噪聲進行消除，以此減免數(shù)據(jù)庫當中的數(shù)據(jù)信息可能發(fā)生的冗余。同時，對數(shù)據(jù)信息進行合理的推斷和預算，保證信息完整，避免其不完整性。

③ 對數(shù)據(jù)進行一定的變換和壓縮，依據(jù)實際的數(shù)據(jù)處理任務(wù)，將數(shù)據(jù)信息進行對應(yīng)的分組，并且進行離散與連續(xù)數(shù)據(jù)之間的相互轉(zhuǎn)換，同時對數(shù)據(jù)進行相應(yīng)的壓縮。

2） 進行數(shù)據(jù)挖掘的方法以及算法的相關(guān)選擇，選擇的基本原則是方法與算法能夠與數(shù)據(jù)處理相互匹配，同時盡可能的使處理結(jié)果最優(yōu)。

3） 對數(shù)據(jù)挖掘的信息分析、評價與表達。在通過數(shù)據(jù)挖掘技術(shù)對海量的信息數(shù)據(jù)進行甄別與篩選之后，數(shù)據(jù)結(jié)果應(yīng)當能夠通過直觀明了的可視化圖表形式進行表達。

數(shù)據(jù)挖掘的完整流程圖如圖1所示。

1.3? 數(shù)據(jù)挖掘與流量監(jiān)測的關(guān)系

在學校規(guī)模不斷擴張，互聯(lián)網(wǎng)應(yīng)用程度越來越廣泛的過程當中，校園網(wǎng)的數(shù)據(jù)流量越來越多。與此同時帶來的問題是各種異常網(wǎng)絡(luò)行為的出現(xiàn)，種種數(shù)據(jù)流量的異常情況隨之產(chǎn)生[9]。在大量數(shù)據(jù)流量信息當中，應(yīng)當通過相應(yīng)的分析手段，對其中異常的數(shù)據(jù)流量情況進行甄別，并通過分析其異常數(shù)據(jù)情況，得到異常數(shù)據(jù)流量的隱藏特征，同時針對特征做出對應(yīng)的措施。在此過程當中，數(shù)據(jù)挖掘技術(shù)的應(yīng)用十分重要。通過數(shù)據(jù)挖掘技術(shù)能夠?qū)崿F(xiàn)異常數(shù)據(jù)流量的篩選，并且能分析出其中的抽象規(guī)則[10]。數(shù)據(jù)挖掘技術(shù)為異常數(shù)據(jù)流量的分析提供了極大便利，幫助網(wǎng)絡(luò)管理員在龐雜的數(shù)據(jù)當中快速找到其不同特征并得以利用。

2? 校園流量監(jiān)測系統(tǒng)設(shè)計

2.1? 監(jiān)測系統(tǒng)整體框架

校園網(wǎng)流量的監(jiān)測系統(tǒng)，主要是通過技術(shù)手段對校園網(wǎng)絡(luò)當中的數(shù)據(jù)流量做出對應(yīng)的監(jiān)測，并根據(jù)監(jiān)測數(shù)據(jù)進行數(shù)據(jù)流量正常與否的判斷。校園網(wǎng)的流量監(jiān)控系統(tǒng)從結(jié)構(gòu)上看主要包括兩部分的內(nèi)容：一部分功能的實現(xiàn)位置為服務(wù)器端口，主要執(zhí)行的功能為對相應(yīng)正常的網(wǎng)絡(luò)流量做出分析與處理;另一部分功能的實現(xiàn)位置為客戶端口，可以對校園網(wǎng)出現(xiàn)異常的數(shù)據(jù)流量進行分析[11]。在業(yè)務(wù)的具體計算、處理以及分析上，主要通過瀏覽器/服務(wù)器模式進行對應(yīng)的操作。這一方法能夠使開發(fā)難度盡可能降到最低，并減少對硬件的依賴，在處理上更為簡潔。其具體流程圖如圖2所示。

2.2? 監(jiān)測系統(tǒng)各模塊功能設(shè)計

2.2.1? 數(shù)據(jù)收集模塊

數(shù)據(jù)收集功能主要實現(xiàn)校園網(wǎng)使用的對應(yīng)數(shù)據(jù)流量信息的相關(guān)收集工作，收集數(shù)據(jù)將作為進行校園網(wǎng)流量正常與否判斷的主要依據(jù)[12]。在數(shù)據(jù)收集功能當中，其收集數(shù)據(jù)的方式主要是對經(jīng)由交換機端口的各類數(shù)據(jù)包進行收集。首先需要獲取客戶端的IP地址，在獲取IP地址之后，對各類交換機當中的網(wǎng)絡(luò)端口進行相應(yīng)配置信息的收集以及統(tǒng)計，在此過程當中，同時能夠掌握網(wǎng)速以及相應(yīng)的網(wǎng)絡(luò)端口狀態(tài)。

2.2.2? 獲取知識模塊

獲取知識的功能是指通過一定的數(shù)據(jù)挖掘算法對所收集的數(shù)據(jù)組成的數(shù)據(jù)集合進行特征挖掘，同時對這些數(shù)據(jù)結(jié)構(gòu)進行分析。然后將學習的結(jié)果在對應(yīng)的日志文件當中進行儲存，便于進行以后的學習工作。鑒于校園網(wǎng)的運行是不間斷的，為了學習工作能夠跟隨最新的數(shù)據(jù)流量情況，需要及時對系統(tǒng)日志進行更新。實際處理過程當中，需要對收集數(shù)據(jù)進行相應(yīng)的預處理工作，保證數(shù)據(jù)格式相對規(guī)范，能夠順利進行知識獲取工作。數(shù)據(jù)挖掘流程圖如圖3所示。

2.2.3? 流量分組監(jiān)測模塊

對流量進行分類監(jiān)測的功能通過對應(yīng)的算法實現(xiàn)。首先應(yīng)當建立對應(yīng)的分析及預測模型，其次對數(shù)據(jù)庫所收集到的網(wǎng)絡(luò)數(shù)據(jù)進行對應(yīng)的分類。在具體執(zhí)行上，首先在各網(wǎng)絡(luò)節(jié)點當中輸入對應(yīng)的參數(shù)值，然后以分類個數(shù)為基礎(chǔ)依據(jù)對整體網(wǎng)絡(luò)數(shù)據(jù)做出對應(yīng)的數(shù)據(jù)處理，從而得到不同的聚類數(shù)組。在聚類數(shù)組當中計算各節(jié)點到中心節(jié)點的距離，并儲存對應(yīng)的中心點坐標數(shù)據(jù)，進行相似度計算。

2.2.4? 網(wǎng)絡(luò)分析模塊

網(wǎng)絡(luò)分析模塊主要執(zhí)行的功能是對所篩選和甄別出的異常流量數(shù)據(jù)進行分析，以便后期更進一步地對網(wǎng)絡(luò)流量異常與否進行辨別，這樣網(wǎng)絡(luò)管理員就能夠在工作時具備更高的工作效率。網(wǎng)絡(luò)分析模塊的流程圖如圖4所示。

3? 流量監(jiān)測系統(tǒng)的實現(xiàn)

3.1? 用戶登錄實現(xiàn)

在校園網(wǎng)的流量監(jiān)測系統(tǒng)當中，主要分為兩類常見的系統(tǒng)使用者：一類是普通的校園網(wǎng)用戶;一類是網(wǎng)絡(luò)管理員。無論是哪類用戶，使用流量監(jiān)測系統(tǒng)的前提是通過合法的身份進行系統(tǒng)登錄。在登錄程序啟動之后，用戶會打開對應(yīng)的登錄界面，將自己的登錄賬號以及密碼等登錄信息輸入登錄界面對應(yīng)的位置進行登錄。信息輸入之后，系統(tǒng)會對其登錄信息進行后臺驗證。后臺驗證的目的主要有兩個：一是驗證用戶輸入的登錄信息是否合法;二是檢驗用戶登錄的信息是否滿足格式要求。當后臺驗證成功之后，允許用戶登錄，同時依據(jù)用戶登錄賬號對應(yīng)的身份憑證，為用戶匹配不同的操作權(quán)限，進入與其身份相匹配的操作界面。具體的用戶登錄功能實現(xiàn)的流程圖如圖5所示。

3.2? 預警信息管理查詢

用戶在其對應(yīng)的操作界面當中能夠通過預警查詢管理功能實現(xiàn)對應(yīng)的預警信息的瀏覽。預警信息管理查詢的功能主要是對各類預警信息的檢索功能。用戶在對應(yīng)的預警信息管理界面能夠?qū)ο胍樵兊木唧w時間段、對應(yīng)的預警信息檢索類型進行選擇，然后通過查詢得到對應(yīng)的查詢結(jié)果。同時，用戶也可以選擇性地將有效的查詢結(jié)果導出為對應(yīng)的查詢報告。通常預警信息管理查詢功能僅供管理員用戶使用。預警信息管理查詢的流程圖如圖6所示。

3.3? 網(wǎng)絡(luò)流量查詢

網(wǎng)絡(luò)流量的查詢主要是對網(wǎng)絡(luò)流量異常與否的查詢。在確定網(wǎng)絡(luò)流量異常時，其對應(yīng)的異常流量情況又可以分為兩種，一種是未知網(wǎng)絡(luò)異常流量，另一種是已知網(wǎng)絡(luò)異常流量。已知網(wǎng)絡(luò)流量異常的情況主要通過相對應(yīng)的數(shù)據(jù)表完成;未知網(wǎng)絡(luò)流量異常的查詢主要是對當前的網(wǎng)絡(luò)情況進行監(jiān)測分析，進行相應(yīng)的異常數(shù)據(jù)信息的篩選。具體的網(wǎng)絡(luò)流量監(jiān)測流程如圖7所示。

3.4? 網(wǎng)絡(luò)日志查詢

網(wǎng)絡(luò)日志的查詢通常是對操作記錄或者異常預警的查詢。系統(tǒng)在運行過程中，相應(yīng)的系統(tǒng)操作在相應(yīng)的日志文件當中進行相應(yīng)的記錄。網(wǎng)絡(luò)管理員需要進行信息調(diào)用時，可以通過網(wǎng)絡(luò)日志查詢功能對相應(yīng)的信息進行查詢。通過網(wǎng)絡(luò)日志查詢，網(wǎng)絡(luò)管理員可以對網(wǎng)絡(luò)異常信息以及各種用戶操作記錄進行查詢，并在需要時發(fā)出預警。

3.5? 數(shù)據(jù)采集

校園流量監(jiān)測系統(tǒng)的數(shù)據(jù)采集主要對在數(shù)據(jù)庫當中儲存的網(wǎng)絡(luò)流量數(shù)據(jù)進行采集。數(shù)據(jù)采集是對交換機中通過的數(shù)據(jù)包以及校園網(wǎng)路由器的監(jiān)測[13]。在計算機采集到相應(yīng)的數(shù)據(jù)包時，對其提取首位以及次位字符。通過所提取字符確定網(wǎng)絡(luò)設(shè)備對應(yīng)的版本號。在版本號確定之后對對應(yīng)的數(shù)據(jù)包做出處理，并進行相應(yīng)的數(shù)據(jù)信息儲存。同時，校園網(wǎng)監(jiān)測系統(tǒng)處理的數(shù)據(jù)包類型應(yīng)當是多樣化的。

3.6? 數(shù)據(jù)分析

對所收集到的流量數(shù)據(jù)信息進行分析的方法為聚類分析方法。在具體的分析過程當中，主要通過出現(xiàn)過的流量異常數(shù)據(jù)以及收集到的流量數(shù)據(jù)信息進行分析推理，判定現(xiàn)有收集流量數(shù)據(jù)是否異常。實際分析過程當中，通過K?means聚類算法進行分析，主要的分析步驟如下：

1） 設(shè)置常數(shù)[m]，在流量數(shù)據(jù)樣本當中選擇隨機的[m]個樣本分為[m]個初始分類簇。

2） 計算其他樣本到[m]個聚類簇聚類中心的相似度，依據(jù)其相似度的不同進行不同的數(shù)據(jù)樣本歸類。

3） 在各聚類簇中加入新的流量數(shù)據(jù)時，進行聚類中心的迭代更新，保證聚類簇中心正確。

4） 通過評價函數(shù)，判斷聚類簇滿足要求與否，當滿足要求時，結(jié)束算法，若不滿足要求，則回到步驟2）。

設(shè)計中K?means算法的具體流程圖如圖8所示。

4? 測試結(jié)果及分析

4.1? 測試方法

在具體的系統(tǒng)測試當中，主要通過靜態(tài)測試以及動態(tài)測試兩種方法進行相應(yīng)的程序測試。在靜態(tài)測試方法中，應(yīng)用程序不需要運行，而是通過對程序當中的代碼進行分析，評估程序當中對應(yīng)的錯誤信息，進而檢驗其代碼結(jié)構(gòu)上是否存在不合理的嵌套或者是循環(huán)語句，以及其代碼編寫是否存在語法錯誤。在進行動態(tài)測試時需要運行程序，在程序運行過程當中，輸入對應(yīng)的執(zhí)行語句并檢測是否能夠輸出預期結(jié)果，從而確定流量是否發(fā)生異常。動態(tài)測試的方法進行進一步的分類可以分為白盒測試以及黑盒測試。白盒測試即在了解計算機系統(tǒng)功能的基礎(chǔ)上所進行的測試;黑盒測試則并不考慮程序內(nèi)部是何結(jié)構(gòu)，主要是針對程序的功能接口進行對應(yīng)的測試。

4.2? 測試結(jié)果及分析

在掌握對應(yīng)的測試方法之后，針對不同功能模塊對流量監(jiān)測系統(tǒng)進行測試。測試之前，需要進行相應(yīng)的特征數(shù)據(jù)準備。準備好對應(yīng)的特征數(shù)據(jù)之后，在對應(yīng)的功能模塊當中測試對應(yīng)的輸出結(jié)果，檢驗測試結(jié)果是否與預期結(jié)果一致，測試結(jié)果如表1所示。

在表1當中，用戶登錄以及管理員登錄的賬號為7位數(shù)字，密碼為8位字母與數(shù)字的組合，經(jīng)驗證測試通過，能夠有效判別賬號正確與否以及賬號類型。同時在預警信息查詢的過程當中，能夠結(jié)合算法和數(shù)據(jù)挖掘技術(shù)進行網(wǎng)絡(luò)流量是否異常的查詢工作。

5? 結(jié)? 語

良好的校園網(wǎng)流量監(jiān)測系統(tǒng)能夠幫助網(wǎng)絡(luò)管理員實現(xiàn)更好的網(wǎng)絡(luò)管理與維護，同時能夠有效維護校園網(wǎng)絡(luò)的生態(tài)健康。本文設(shè)計以數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)，結(jié)合K?means算法，實現(xiàn)了對校園網(wǎng)絡(luò)數(shù)據(jù)流量的監(jiān)測以及對流量異常的甄別與篩選。經(jīng)過實踐驗證，該設(shè)計系統(tǒng)切實可行。

參考文獻

[1] 趙東卓.網(wǎng)絡(luò)流量監(jiān)測與分析技術(shù)的研究[D].長春：長春工業(yè)大學，2015：5?38.

[2] 王旭.網(wǎng)絡(luò)數(shù)據(jù)流量監(jiān)測技術(shù)的應(yīng)用與特征[J].硅谷，2015（4）：138.

[3] 潘虎.網(wǎng)絡(luò)流量監(jiān)測技術(shù)研究[J].電子世界，2016（4）：181.

[4] 劉海濤.恒虛警下異常網(wǎng)絡(luò)流量序列監(jiān)測技術(shù)仿真分析[J].計算機仿真，2016，33（8）：244?247.

[5] 舒忠梅，徐曉東，屈瓊斐.基于數(shù)據(jù)挖掘的學生投入模型與學習分析[J].遠程教育雜志，2015（1）：39?47.

[6] 胡資聰.基于windows內(nèi)核的進程網(wǎng)絡(luò)流量監(jiān)測與控制系統(tǒng)的設(shè)計與實現(xiàn)[D].武漢：華中科技大學，2015：2?3.

[7] 顧煒江.網(wǎng)絡(luò)流量監(jiān)測中在線數(shù)據(jù)融合方法設(shè)計[J].科學技術(shù)與工程，2016，16（13）：239?243.

[8] 劉遠超，彭兆軍.融合幀差循環(huán)控制的網(wǎng)絡(luò)流量監(jiān)測模型仿真[J].軟件導刊，2016，15（5）：179?181.

[9] 王啟明，趙凱，時合生.基于改進型決策樹算法的網(wǎng)絡(luò)流量監(jiān)測研究[J].微型電腦應(yīng)用，2015，31（8）：31?33.

[10] AUSSEM A， MURTAGH F. Combining neural network forecasts on wavelet transformed time series [J]. Connection science， 1997， 9（1）： 113?122.

[11] AGARWAL D， GONZALEZ J M， JIN Guojun， et al. An infrastructure for passive network monitoring of application data streams [C]// Proceedings of the 2003 Passive and Active Monitoring Workshop. Berkeley， California： Ernest Orlando Lawrence Berkeley National Laboratory， 2003： 1?8.

[12] VAN GESTEL T， SUYKENS J A K， BAESTAENS D E， et al. Financial time series prediction using least squares support vector machines within the evidence framework [J]. IEEE transactions on neural networks， 2001， 12（4）： 809?821.

[13] KIM K H， YOUN H S， KANG Y C. Short?term load forecas?ting for special days in anomalous load conditions using neural networks and fuzzy inference method [J]. IEEE transactions on power systems， 2000， 15（2）： 559?565.

作者簡介：周康樂（1979—），男，江西進賢人，碩士，講師，實驗師，主要研究方向為計算機網(wǎng)絡(luò)。