对光纤网络异常数据特征进行分类,可有效确定光纤网络出现异常的原因,提高光纤网络安全,降低其受到网络入侵的风险。目前对光纤网络中异常数据特征分类的方法未考虑异常数据的分布特点及复杂性,易陷入局部最优解,使得异常数据特征分类效果较差,不利于异常数据检测。提出基于支持向量机的光纤网络中异常数据特征分类研究。选取数据不同异常特征,以异常数据特征选择概率作为决策变量,利用粒子群方法对决策变量进行优化求解,产生微粒的引导,确定数据集分布性,跳出局部的最优,利用重采样、数据特征空间等一些相关的理论,经过数据分层抽样,利用支持向量机分类分布性光纤网络中数据异常特征。实验的结果表明,利用所提方法分类数据异常特征,能有效提高数据异常特征分类的效率与性能,为后续数据异常检测提供依据。