本文關鍵詞：基于ELM-LSSVM的網(wǎng)絡流量預測

  更多相關文章： 網(wǎng)絡流量 極限學習機 最小二乘支持向量機 相空間重構

【摘要】：為了對網(wǎng)絡流量進行準確預測,針對傳統(tǒng)極限學習機的"過擬合"不足,提出一種極限學習機和最小二乘支持向量機相融合的網(wǎng)絡流量預測模型(ELM-LSSVM)。該模型通過相空間重構獲得網(wǎng)絡流量的學習樣本,引入最小二乘支持向量機對極限學習進行改進,并對網(wǎng)絡流量訓練集進行學習,采用仿真實驗對模型性能進行測試。結果表明,ELM-LSSVM提高了網(wǎng)絡流量的預測精度,實現(xiàn)了網(wǎng)絡流量準確預測,并具有較強的實際應用價值。
【作者單位】： 江西師范大學數(shù)學與信息科學學院;
【關鍵詞】： 網(wǎng)絡流量 極限學習機 最小二乘支持向量機 相空間重構
【分類號】：TP393.06
【正文快照】： 準確的網(wǎng)絡流量預測可以為網(wǎng)絡管理員提供有利的參考意見,便于網(wǎng)絡維護和管理[1]。最初人們采用時間序列法對網(wǎng)絡流量進行預測,出現(xiàn)了指數(shù)平滑法、滑動平均法、自回歸移動平均法等,但它們只能對網(wǎng)絡流量進行線性建模,自適應性較差,預測誤差大,具有一定局限性[2]。近幾年來,隨

【相似文獻】

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：816294