本文關鍵詞：基于KPCA優(yōu)化ESN的網絡流量預測方法

  更多相關文章： 網絡流量 預測 回聲狀態(tài)網絡 核主成分分析 相空間重構

【摘要】：為了提高網絡流量的預測精確度,提出一種核主成分分析(KPCA)優(yōu)化回聲狀態(tài)網絡(ESN)的網絡流量預測方法。首先利用相空間重構對網絡流量序列進行處理,提高序列的可預測性,然后對網絡流量序列進行核主成分分析,提取序列中的有效信息,通過實驗方法確定回聲狀態(tài)網絡的儲備池參數,最后利用回聲狀態(tài)網絡對網絡流量進行預測。與標準回聲狀態(tài)網絡、差分自回歸滑動平均模型(ARIMA)、以及最小二乘支持向量機(LSSVM)預測模型進行了仿真對比,結果表明提出的方法具有更高的預測精確度以及更小的預測誤差,同時一定程度上減少了預測時間。
【作者單位】： 沈陽工業(yè)大學信息科學與工程學院;東北大學信息科學與工程學院;
【關鍵詞】： 網絡流量 預測 回聲狀態(tài)網絡 核主成分分析 相空間重構
【基金】：國家自然科學基金(61034005) 遼寧省博士科研啟動基金(20141070)
【分類號】：TP393.06
【正文快照】： 0引言隨著網絡技術的發(fā)展,網絡規(guī)模變得越來越大和復雜,網絡信息流量劇增,網絡擁塞越來越嚴重,網絡管理的難度日益增加,如何有效地管理和控制網絡,為用戶提供更加優(yōu)質服務顯得十分重要[1]。網絡流量是衡量網絡運行負荷和狀態(tài)的重要參數,通過對網絡流量進行監(jiān)測,可以及時了解網

【參考文獻】

中國期刊全文數據庫 前1條

1 唐舟進;彭濤;王文博;;一種基于相關分析的局域最小二乘支持向量機小尺度網絡流量預測算法[J];物理學報;2014年13期

【二級參考文獻】

中國期刊全文數據庫 前6條

1 黃天云;;約束優(yōu)化模式搜索法研究進展[J];計算機學報;2008年07期

2 蔡從中;裴軍芳;溫玉鋒;朱星鍵;肖婷婷;;選擇性激光燒結成型件密度的支持向量回歸預測[J];物理學報;2009年S1期

3 ;WPANFIS:combine fuzzy neural network with multiresolution for network traffic prediction[J];The Journal of China Universities of Posts and Telecommunications;2010年04期

4 孟慶芳;陳月輝;馮志全;王楓林;陳珊珊;;基于局域相關向量機回歸模型的小尺度網絡流量的非線性預測[J];物理學報;2013年15期

5 孫韓林;金躍輝;崔毅東;程時端;;Network traffic prediction by a wavelet-based combined model[J];Chinese Physics B;2009年11期

6 唐舟進;任峰;彭濤;王文博;;基于迭代誤差補償的混沌時間序列最小二乘支持向量機預測算法[J];物理學報;2014年05期

【相似文獻】

中國期刊全文數據庫 前10條

1 姜明;吳春明;張e，

本文編號：945600