1.一种基于不完全链路负载测量的网络流量矩阵估算方法，其特征在于，包括如下步骤：

1）输入需要主动测量的链路数量 和路由矩阵 ；其中，所述需要测量的链路数量 根据应用场景来确定，所述网络中路由矩阵 通过网络的状态信息和配置信息获得；

2）对网络中的n条链路分别编号，构建编号集合 ；

3）初始化需要主动测量的链路集 为空，即 ；

4）更新需要主动测量的链路集 , 直至 中元素的个数为 ；

5）测量链路集 中的链路，构造对应的链路负载集合 ；

6）利用历史负载信息data划分特征数据集 和结果数据集 ；

7）利用k元线性岭回归模型训练数据集，得到精确度acc1和结果res1；

8）利用k元二次多项式岭回归模型训练数据集，得到精确度acc2和结果res2；

9）从acc1和acc2中选择精确度大的结果作为链路补全的结果，得到全部链路对应的链路负载 ；

10）根据路由矩阵 和补全的链路负载 ，构造符合RIP原则的观测矩阵 ，并将 转换到估算式 中；

所述步骤10）包括如下步骤：

10.1）利用压缩感知原理将流量矩阵 重构为 ，其中 为构造的稀疏基DCT矩阵，为稀疏系数向量；

10.2）将流量矩阵的估算式 转变为 ；

10.3）通过高斯随机矩阵以及对角采样矩阵构造符合RIP原则的观测矩阵 ，其中，是满足渐进正态分布的高斯随机矩阵， 为元素为0或1的对角阵，其对角线上0元素数量为 ；

10.4）式 两端同乘以 和  ，得到式 ；

11）构造 范数优化函数式，即

12）根据CS‑OMP算法求解 范数式估计流量矩阵；

所述步骤12）包括如下步骤：

12.1）初始化残差 ， ，信号支撑集 ；

12.2）令循环变量 初始值为1，步长为1；

12 .3）从观 测矩阵 中寻 找与信号 相关性最强 的信号 支撑索 引，；

12.4）将寻找到的信号支撑加入信号支撑集合中， ；

12.5）更新已选各列的稀疏系数估计值， ；

12.6）更新残差， ；

12.7）重构测量时间点t上的网络流量矩阵 ；

12.8）更新循环变量 为 ；

12.9）若循环变量 ，则转步骤12.3)； ，得到流量矩阵 ，其中，K为 主对角线上取非零值的元素数量。

2.如权利要求1所述的基于不完全链路负载测量的网络流量矩阵估算方法，其特征在于，所述步骤4）包括如下步骤：

4.1）令循环变量 初始值为1，步长为1；

4.2) 令集合 ；

4.3）计算集合P中的每条链路 的设计准则 ；其中，， ， 为链路集 对应的子路由矩阵， ，是一个常数，是单位矩阵；

4.4）选择集合P中设计准则最小的链路记为s，即 ；

4.5）更新需要主动测量的链路集 , ；

4.6）更新循环变量 为 ；

4.7）若循环变量 ，则转步骤4.2)，否则得到需要主动测量的链路集 转步骤5）。

3.如权利要求1所述的基于不完全链路负载测量的网络流量矩阵估算方法，其特征在于，所述步骤6）中，所述历史负载信息data是二维数据，包含网络中所有链路负载的历史信息，不同行表示不同时刻，不同列对应各个链路；特征数据集 ，结果数据集，对应data中 列的数据，对应data中 列的数据。