本文選題：網(wǎng)絡(luò)流量 + 加權(quán)最小二乘支持向量機��； 參考：《電視技術(shù)》2013年07期

【摘要】：網(wǎng)絡(luò)流量是具有復(fù)雜非線性、不確定時變性的混沌時間序列。為提高標(biāo)準最小二乘支持向量機的預(yù)測精度與自適應(yīng)性,提出一種基于動態(tài)加權(quán)最小二乘支持向量機的網(wǎng)絡(luò)流量混沌預(yù)測方法。該方法在標(biāo)準LS-SVM回歸機的訓(xùn)練樣本誤差設(shè)置時間權(quán),增強對非線性樣本的逼近能力。然后結(jié)合滾動窗與迭代求逆法實現(xiàn)模型動態(tài)在線校正,進而克服網(wǎng)絡(luò)變化時的累積誤差。仿真實驗結(jié)果表明,相對常規(guī)LS-SVM,該模型能降低預(yù)測誤差、減少計算時間,實現(xiàn)高精度實時混沌流量估計。
[Abstract]:Network traffic is a chaotic time series with complex nonlinear and uncertain time-varying characteristics. In order to improve the prediction accuracy and adaptability of standard least squares support vector machine (LS-SVM), a chaotic prediction method for network traffic based on dynamic weighted least squares support vector machine (LS-SVM) is proposed. This method sets the time weight in the training sample error of the standard LS-SVM regression machine and enhances the ability of approximation to the nonlinear sample. Then the dynamic on-line correction of the model is realized by combining the rolling window with the iterative inversion method to overcome the accumulated errors when the network changes. The simulation results show that compared with the conventional LS-SVM, the proposed model can reduce the prediction error, reduce the computational time and realize the real-time chaotic flow estimation with high accuracy.
【作者單位】： 華東交通大學(xué)電氣與電子工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(61164011)
【分類號】：TP393.06

【參考文獻】

相關(guān)期刊論文 前5條

1 李明迅;孟相如;溫祥西;袁榮坤;;基于在線LS-SVM的網(wǎng)絡(luò)流量預(yù)測[J];電視技術(shù);2012年07期

2 羅峗騫;夏靖波;王煥彬;;混沌-支持向量機回歸在流量預(yù)測中的應(yīng)用研究[J];計算機科學(xué);2009年07期

3 靳召東;陳虹;張鉦浩;;基于自適應(yīng)遺傳算法LS-SVM的網(wǎng)絡(luò)流量預(yù)測[J];計算機應(yīng)用與軟件;2010年11期

4 趙永平;孫健國;;基于滾動窗法最小二乘支持向量機的穩(wěn)健預(yù)測模型[J];模式識別與人工智能;2008年01期

5 陸錦軍;王執(zhí)銓;;基于混沌特性的網(wǎng)絡(luò)流量預(yù)測[J];南京航空航天大學(xué)學(xué)報;2006年02期

相關(guān)碩士學(xué)位論文 前1條

1 王鵬;網(wǎng)絡(luò)流量預(yù)測技術(shù)研究[D];江南大學(xué);2009年

【共引文獻】

相關(guān)期刊論文 前10條

1 薛向紅;薛小鋒;;基于相空間重構(gòu)—SVM的公交客流量預(yù)測研究[J];江蘇技術(shù)師范學(xué)院學(xué)報;2010年09期

2 李明迅;孟相如;溫祥西;袁榮坤;;基于在線LS-SVM的網(wǎng)絡(luò)流量預(yù)測[J];電視技術(shù);2012年07期

3 張高鋒;寧立強;羅光明;張夢花;王權(quán);;和田泉水涌出量的混沌特性分析與預(yù)測[J];地下水;2007年04期

4 溫祥西;孟相如;馬志強;張永春;;小時間尺度網(wǎng)絡(luò)流量混沌性分析及趨勢預(yù)測[J];電子學(xué)報;2012年08期

5 付學(xué)良;楊洋;李純子;;基于混沌—支持向量機的大氣污染物濃度預(yù)測模型[J];電子世界;2013年04期

6 尹波;夏靖波;倪娟;余輝;;基于預(yù)測和動態(tài)閾值的流量異常檢測機制研究[J];電視技術(shù);2013年01期

7 包鑫;戴連奎;;基于M估計器的支持向量機算法及其應(yīng)用[J];化工學(xué)報;2009年07期

8 晏新祥;鄧磊;夏曉燕;覃錫忠;賈振紅;常春;王浩;;基于VMPSO-RBF神經(jīng)網(wǎng)絡(luò)的話務(wù)量預(yù)測[J];激光雜志;2011年04期

9 雷霆;余鎮(zhèn)危;;復(fù)雜性理論在計算機網(wǎng)絡(luò)行為研究中的應(yīng)用[J];計算機工程與應(yīng)用;2007年35期

10 周欣然;滕召勝;蔣星軍;;無偏LSSVM的抗噪在線過程建模方法[J];計算機工程與應(yīng)用;2010年30期

相關(guān)博士學(xué)位論文 前4條

1 包鑫;穩(wěn)健回歸技術(shù)及其在光譜分析中的應(yīng)用[D];浙江大學(xué);2010年

2 王永強;考慮環(huán)境影響的電容型設(shè)備絕緣監(jiān)測與故障診斷研究[D];華北電力大學(xué)（河北）;2009年

3 孫韓林;互聯(lián)網(wǎng)流量、時延性質(zhì)及預(yù)測模型研究[D];北京郵電大學(xué);2010年

4 黃昭文;無線MESH網(wǎng)絡(luò)資源調(diào)度算法與QoS保障機制研究[D];華南理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 尹明;一種基于小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型的研究[D];吉林大學(xué);2011年

2 孟艷;協(xié)同進化PSO算法優(yōu)化RBF網(wǎng)絡(luò)在齒輪箱故障診斷中的應(yīng)用[D];中北大學(xué);2011年

3 郝占軍;網(wǎng)絡(luò)流量分析與預(yù)測模型研究[D];西北師范大學(xué);2011年

4 劉志遠;網(wǎng)絡(luò)流量分析預(yù)測系統(tǒng)的設(shè)計與實現(xiàn)[D];黑龍江大學(xué);2011年

5 朱凡;校園網(wǎng)絡(luò)監(jiān)測預(yù)警系統(tǒng)的設(shè)計與實現(xiàn)[D];東華大學(xué);2012年

6 王西鋒;網(wǎng)絡(luò)流量的特性分析與預(yù)測研究[D];西北大學(xué);2007年

7 吳美美;網(wǎng)絡(luò)流量特性分析及預(yù)測研究[D];天津大學(xué);2008年

8 汪志勇;結(jié)合分形神經(jīng)網(wǎng)絡(luò)理論的網(wǎng)絡(luò)流量預(yù)測研究[D];江西師范大學(xué);2009年

9 司文;網(wǎng)絡(luò)流量自相似性分析與預(yù)測研究[D];天津大學(xué);2009年

10 董智超;城域網(wǎng)應(yīng)用層P2P流量預(yù)測模型的研究[D];湖南大學(xué);2010年

【二級參考文獻】

相關(guān)期刊論文 前10條

1 曹慶璞;董淑福;羅峗騫;;網(wǎng)絡(luò)時延的相空間重構(gòu)投影尋蹤預(yù)測方法[J];電視技術(shù);2010年S1期

2 陳惠民,蔡弘,李衍達;自相似業(yè)務(wù):基于多分辨率采樣和小波分析的Hurst系數(shù)估計方法[J];電子學(xué)報;1998年07期

3 姜明;吳春明;張e，

本文編號：1913936