本文關(guān)鍵詞：基于ELM-LSSVM的網(wǎng)絡(luò)流量預(yù)測

  更多相關(guān)文章： 網(wǎng)絡(luò)流量 極限學(xué)習(xí)機(jī) 最小二乘支持向量機(jī) 相空間重構(gòu)

【摘要】：為了對(duì)網(wǎng)絡(luò)流量進(jìn)行準(zhǔn)確預(yù)測,針對(duì)傳統(tǒng)極限學(xué)習(xí)機(jī)的"過擬合"不足,提出一種極限學(xué)習(xí)機(jī)和最小二乘支持向量機(jī)相融合的網(wǎng)絡(luò)流量預(yù)測模型(ELM-LSSVM)。該模型通過相空間重構(gòu)獲得網(wǎng)絡(luò)流量的學(xué)習(xí)樣本,引入最小二乘支持向量機(jī)對(duì)極限學(xué)習(xí)進(jìn)行改進(jìn),并對(duì)網(wǎng)絡(luò)流量訓(xùn)練集進(jìn)行學(xué)習(xí),采用仿真實(shí)驗(yàn)對(duì)模型性能進(jìn)行測試。結(jié)果表明,ELM-LSSVM提高了網(wǎng)絡(luò)流量的預(yù)測精度,實(shí)現(xiàn)了網(wǎng)絡(luò)流量準(zhǔn)確預(yù)測,并具有較強(qiáng)的實(shí)際應(yīng)用價(jià)值。
【作者單位】： 江西師范大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院;
【關(guān)鍵詞】： 網(wǎng)絡(luò)流量 極限學(xué)習(xí)機(jī) 最小二乘支持向量機(jī) 相空間重構(gòu)
【分類號(hào)】：TP393.06
【正文快照】： 準(zhǔn)確的網(wǎng)絡(luò)流量預(yù)測可以為網(wǎng)絡(luò)管理員提供有利的參考意見,便于網(wǎng)絡(luò)維護(hù)和管理[1]。最初人們采用時(shí)間序列法對(duì)網(wǎng)絡(luò)流量進(jìn)行預(yù)測,出現(xiàn)了指數(shù)平滑法、滑動(dòng)平均法、自回歸移動(dòng)平均法等,但它們只能對(duì)網(wǎng)絡(luò)流量進(jìn)行線性建模,自適應(yīng)性較差,預(yù)測誤差大,具有一定局限性[2]。近幾年來,隨

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 姜明;吳春明;張e，

本文編號(hào)：816294