网络带来的便利使得人们的生活高度依赖各种网络应用,一旦网络异常会给人们带来诸多影响。因此实时掌控网络运行状态,建立网络运行态势感知系统尤为重要。网络运行态势感知是将与网络运行相关特征数据进行收集、评估以及预测的过程,据结果做出如调整网络资源配置等决策来保证网络正常高效地运行。网络数据集具有无先验性、海量性等特征,网络状态评估具有模糊性的特点且态势预测需要具备实时性。模糊C均值（FCM）算法能够发掘无先验性数据集内在信息从而进行有意义的划分,算法引入模糊理论适于应对模糊性问题,同时算法有较高的执行效率。因此本文将模糊C均值算法应用到态势感知问题中,本文的主要研究内容如下:1.提出了适于网络运行态势的感知模型,将感知问题分解到各个模块。根据完备性等原则和国际组织提出网络性能指标体系,完善了指标选取工作。针对收集的指标数据,基于网络业务,研究指标对业务运行性能的影响,对指标进行相应的数据变换以消除指标量纲和加权,使得聚类效果更真实有效。基于模糊聚类算法提出态势评估流程和实时更新的态势预测模型,并验证了预测模型的有效性。2.对模糊聚类算法进行了优化。本文选取FCM算法作为态势评估预测的算法,针对算法自身缺点对算法进行了改进,使其根据数据集自适应寻找最优划分。1)本文基于样本相似性,从簇内紧凑度和簇间分离度两方面考虑,提出了一个新的有效性指标函数。通过实验验证新指标能有效识别当前划分的性能,能自适应地确定聚类数目,并且检测态势预测结果。2)网络数据具有噪声且算法受初始聚类中心选取影响大,本文为增强FCM算法的正确划分能力使用了SRFCM算法,然后将SRFCM算法结合粒子群算法（PSO）提出改进的PSO-SRFCM算法,利用PSO的全局搜索能力使算法自适应向最优解收敛。实验验证PSO-SRFCM算法有更好的聚类划分能力和稳定性。3.网络运行态势感知实验。搭建网络拓扑,运行网络仿真软件得到网络仿真数据,并对收集的数据进行相应的数据变换。对变换后的数据进行模糊聚类,比较各算法的性能。对聚类中心进行分析,并贴上相应网络类型标签。对后续收集的数据进行态势预测,并评估预测结果。通过实验本文的方案能够有效对网络运行态势进行评估和预测,为网络管理者后续决策提供支撑。