4.1.3主成分BP神经网络预测模型建立..14

4.2主成分BP神经网络预测模型算例的实现..15

4.2.1原始数据处理15

4.2.2运用主成分分析法..16

4.2.3BP神经网络的训练.18

4.3两种预测模型的对比.21

4.3.1拟合误差情况对比..21

4.3.2预测结果对比22

4.4误差分析与改进优化.24

4.4.1误差分析..24

4.4.2改进优化..24

4.5本章小结..25

5总结与展望.26

5.1全文总结..26

5.2展望26

毕业设计体会..27

参考文献..28

1 绪论 1.1 课题背景及研究意义 现今社会，信息化发展的越来越快，网络成为了越来越多人工作和生活不可或缺的一部分。然而，网络上的系统和手机上的应用在便捷人们生活的同时，也带来了越来越多的信息安全问题。 网络病毒[1]在《中华人民共和国计算机信息系统安全保护条例》中已经被明确定义为“编制者在计算机程序中插入的破坏计算机功能或者破坏数据，影响计算机使用并且能够自我复制的一组计算机指令或者程序代码”。网络病毒具有与生物病毒相似的特性，它具有传染能力，通过感染一台机器并且传染给其他相邻的机器；网络病毒需要寄主主机，缺乏寄主主机并且寄主主机需要连接网络，网络病毒会在寄主主机不知情的情况下，篡改计算机指令和修改计算机内部代码，这些修改将对计算机进行破坏，这样的破坏主要在软件方面，破坏计算机的正常使用，破坏计算机中的数据。不仅如此网络病毒还会占用网络的大量带宽，造成网络拥塞影响中毒者正常使用网络。浏览不良网页、使用电子邮件行为不当还有网络下载这都是感染网络病毒最司空见惯的情况。软件漏洞未修补这仍然是网络中毒事件最主要的原因。 针对网络安全状况日益严重，需要探索计算机网络病毒的变化趋势，绘制预测模型，并分析其变化规律和特征，为制定相关防治策略和措施从而进一步防控网络病毒提供科学依据。
1.2 课题国内外研究现状  基于 BP 神经网络的预测模型在预测的很多领域内应用广泛，比如在风速预测、农作物产量预测、交通流量预测中都有很好的表现。基于BP神经网络预测生物病毒的模型也有非常多，包括烟草病毒病预测、肝病预测、苹果黑星病、小麦黄矮病等。但是关于网络病毒或者计算机病毒有关的预测模型暂时还没有人发表成果。 BP 神经网络算法常常用于研究流行病，使用 BP 神经网络建立很多符合现实规律的模型来进行研究，用来模拟病毒在生物群中的传播过程，并且具有很高精度和准确率，预测效果具有现实意义。可是很多工程学者都将生物病毒和计算机源`自`优尔?文-论/文`网[www.youerw.com病毒分开进行研究，他们认为这两种病毒间具有比较大的不同， 而数学家们却不这么认为， 他们将网络病毒与生物病毒使用相同的方法进行一同研究。 建立起数学模型来对病毒传播进行预测。 为了发现预测规律，所以预测技术主要是构建符合现实情况并能够准确预测的预测模型。表1-1  常见的预测模型 模型  原理  优点  缺点 微分方程模型 因果预测法 任何时期都可以进行预测，不仅可以发现内部规律，还能分析两个因素之间的关系。 方程以部分规律的假定为基础来建立，进行中长期预测会产生很大的偏差，同时微分方程的解并不容易得到。 时间序列模型 时间预测法 在进行预测时，只考虑事物随着时间进行的变化，适合中短期的预测。 在进行长期预测时，误差较大；对于比较复杂的问题，考虑因素过于单调。 灰色理论模型 灰色理论 建模所需要的信息少，处理小样本预测问题的常用工具。 对波动性大的序列预测，误差比较大。 BP神经网络模型 人工神经网络 逼近效果好，计算速度快，无需事先建立数学模型，具有较强的适应性和非线性拟合能力 收敛速度比较慢、网络容错能力差、算法容易陷入局部极小值。 在上述预测模型中，最多应用的是时间序列预测模型，可是时间预测模型只适用于线性关系的预测，具有计算简便，容易对数据进行更新的优点。但是对于网络病毒这种非线传播的数据来说，使用时间序列预测方法进行预测会产生比较大的误差，同时无法因为各种随机因素对计算机网络病毒的各种影响。使用BP神经网络模型对网络病毒传播进行预测可以克服以上时间序列预测模型的缺点。