2.根據權利要求1所述的一種EIGRP路由網絡的FDEMC故障分析方法，其特征在于，所述步驟S2包括以下步驟：

步驟S21，將所述訓練樣本集劃分為m個樣本子集，每個樣本子集表示一個類別，在所述m個樣本子集的基礎上計算每個類別的均值、協方差和權重三個初始參數值以形成所述m個類別的初始參數向量集合其中分別表示所述m個類別的權重初始值，分別表示所述m個類別的均值初始值，分別表示所述m個類別的協方差初始值；

步驟S22，重復地進行如下兩步操作，直到所述高斯混合模型GMM的對數似然函數收斂：

E步驟：在所述訓練樣本集和當前參數向量集合估計

給定的情況下，計算所述訓練樣本集的對數似然函數的條件期望值：

所述的w_ij表示第i個樣本屬于第j類的概率，x表示一個d維的樣本，θ表示高斯混合模型的參數向量集合；t＝0，1，…，J，表示EM算法的當前迭代次數，J表示EM算法中的最大迭代次數；表示參數向量集合中第k類在當前t值迭代下的參數值；表示第k類在當前t值迭代下的權重；表示第k類在當前t值迭代下的樣本均值；表示第k類在當前t值迭代下的協方差矩陣；

M步驟：更新高斯混合模型GMM的參數使所述對數似然函數的條件期望值最大化：

其中是第j類的權重，是第j類的均值，是第j類的協方差矩陣，N表示所述訓練樣本中訓練樣本的個數。