針對復(fù)雜網(wǎng)絡(luò)環(huán)境下網(wǎng)絡(luò)流監(jiān)測（分類）問題，為實(shí)現(xiàn)多個類別直接分類以及提高學(xué)習(xí)方法的訓(xùn)練速度，提出了一種隨機(jī)的人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法。該方法借鑒平面高斯（PG）神經(jīng)網(wǎng)絡(luò)模型，引入隨機(jī)投影思想，通過計算矩陣偽逆的方法解析獲得網(wǎng)絡(luò)連接矩陣，理論上可證明該網(wǎng)絡(luò)具有全局逼近能力。在人工數(shù)據(jù)和標(biāo)準(zhǔn)網(wǎng)絡(luò)流監(jiān)測數(shù)據(jù)上進(jìn)行了實(shí)驗(yàn)仿真，與同樣采用隨機(jī)方法的極限學(xué)習(xí)機(jī)（ELM）和PG網(wǎng)絡(luò)相比，分析與實(shí)驗(yàn)結(jié)果表明：1）由于繼承了PC網(wǎng)絡(luò)的幾何特性，對平面型分布數(shù)據(jù)更為有效；2）采用了隨機(jī)方法，訓(xùn)練速度與ELM相當(dāng)，但比PC網(wǎng)絡(luò)快得多；3）三種方法中，該方法更有利于解決網(wǎng)絡(luò)流監(jiān)測問題。
?