【摘要】：提出一種基于最大共軛梯度連續(xù)泛函的網(wǎng)絡(luò)峰值預(yù)測算法和模型,分析網(wǎng)絡(luò)峰值預(yù)測影響因素,建立一個(gè)包含網(wǎng)絡(luò)流量、網(wǎng)絡(luò)峰值范圍和信號(hào)強(qiáng)度的SVM模型.采用SVM模型的主成分分析方法實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)峰值的PCA估計(jì)系統(tǒng)設(shè)計(jì).通過最大共軛梯度連續(xù)泛函,在奇異半正定性雙周期性復(fù)分析下,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)峰值的預(yù)測,考察網(wǎng)絡(luò)流量的波動(dòng)以及網(wǎng)絡(luò)信號(hào)對(duì)網(wǎng)絡(luò)峰值影響貢獻(xiàn)程度,對(duì)網(wǎng)絡(luò)峰值特征進(jìn)行狀態(tài)信息融合處理,減少預(yù)測誤差.實(shí)驗(yàn)結(jié)果表明,該算法對(duì)網(wǎng)絡(luò)峰值的預(yù)測精度較高,預(yù)測誤差控制在1.5%以內(nèi),性能優(yōu)越.
[Abstract]:This paper presents a network peak prediction algorithm and model based on the maximum conjugate gradient continuous functional, analyzes the influencing factors of network peak prediction, and establishes a SVM model which includes network traffic, peak range and signal strength. The principal component analysis (PCA) method of SVM model is used to design the PCA estimation system for the peak value of the network. The maximum conjugate gradient continuous functional is used to predict the peak value of the network under the condition of singular semi-positive qualitative double periodic complex analysis. The fluctuation of network traffic and the contribution of network signal to the peak value of the network are investigated. The peak feature of the network is processed by state information fusion to reduce the prediction error. The experimental results show that the algorithm has a high prediction accuracy for the peak value of the network, and the prediction error is controlled within 1.5%, and the performance of the algorithm is superior.
【作者單位】： 安陽師范學(xué)院軟件學(xué)院;
【基金】：河南省基礎(chǔ)與前沿研究項(xiàng)目(112300410129)
【分類號(hào)】：TP393.06

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 溫祥西;孟相如;馬志強(qiáng);張永春;;小時(shí)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(bào);2012年08期

2 朱凡;吳敏;;基于定量遞歸分析的校園網(wǎng)流量特性分析[J];計(jì)算機(jī)應(yīng)用與軟件;2012年06期

3 張博雅;胡曉輝;;一種基于全域子空間分解挖掘的QoS準(zhǔn)確預(yù)測方法[J];計(jì)算機(jī)科學(xué);2014年01期

4 楊雷;李貴鵬;張萍;;改進(jìn)的Wolf一步預(yù)測的網(wǎng)絡(luò)異常流量檢測[J];科技通報(bào);2014年02期

5 張鳳荔;趙永亮;王丹;王豪;;基于流量特征的網(wǎng)絡(luò)流量預(yù)測研究[J];計(jì)算機(jī)科學(xué);2014年04期

6 張賓;楊家海;吳建平;;Internet流量模型分析與評(píng)述[J];軟件學(xué)報(bào);2011年01期

7 宋楊;涂小敏;費(fèi)敏銳;;基于FARIMA模型的Internet時(shí)延預(yù)測[J];儀器儀表學(xué)報(bào);2012年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王小波;周賢偉;宋俊德;;基于非齊次泊松過程的深空骨干節(jié)點(diǎn)流量分析[J];電波科學(xué)學(xué)報(bào);2012年03期

2 侯重遠(yuǎn);江漢紅;芮萬智;劉亮;;基于Lognormal-GMM模型的船舶電力監(jiān)測網(wǎng)絡(luò)流量建模方法[J];電網(wǎng)技術(shù);2012年06期

3 李平紅;王勇;陶曉玲;;基于成對(duì)約束擴(kuò)展的半監(jiān)督網(wǎng)絡(luò)流量特征選擇算法[J];傳感器與微系統(tǒng);2013年05期

4 歐亮;陳迅;沈晨;黃曉瑩;呂屹;;IP網(wǎng)絡(luò)流量流向分析與預(yù)測技術(shù)研究[J];電信科學(xué);2013年07期

5 曾偉;;多子種群PSO優(yōu)化SVM的網(wǎng)絡(luò)流量預(yù)測[J];北京交通大學(xué)學(xué)報(bào);2013年05期

6 胡萍萍;蔣華;陳以;;基于計(jì)費(fèi)模塊的校園網(wǎng)絡(luò)管理系統(tǒng)設(shè)計(jì)[J];電腦編程技巧與維護(hù);2014年08期

7 田中大;高憲文;李琨;;基于EMD與LS-SVM的網(wǎng)絡(luò)控制系統(tǒng)時(shí)延預(yù)測方法[J];電子學(xué)報(bào);2014年05期

8 陳曦;;基于包容性檢驗(yàn)和神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測[J];電視技術(shù);2014年11期

9 郭佳;尚智叢;;基于中國科技網(wǎng)的網(wǎng)絡(luò)流暢度分析[J];工程研究-跨學(xué)科視野中的工程;2013年04期

10 王U，

本文編號(hào)：2333665