本文關鍵詞：基于多分類支持向量機的網絡流量預測方法

  更多相關文章： 網絡流量預測 多分類支持向量機 編碼 解碼

【摘要】：針對支持向量機網絡流量預測誤差較大的問題,提出一種基于多分類支持向量機的網絡流量預測方法。該方法在網絡流量數據訓練階段通過數據編碼,使多分類支持向量機的輸出逼近編碼值,在預測階段通過數據解碼,將多分類支持向量機的輸出轉換為實際的網絡流量預測結果,從而有效地降低了預測誤差。實驗結果顯示,該方法的預測結果與實際采集的網絡流量數據具有相同的變化趨勢;在同等實驗條件下,該方法預測結果的均方根誤差為0.487,而單一支持向量機方法、BP神經網絡方法預測結果的均方根誤差分別為1.0954和2.3642,表明基于多分類支持向量機的網絡流量預測方法具有更高的準確性。
【作者單位】： 大連交通大學網絡信息中心;大連交通大學軟件學院;大連交通大學電氣信息學院;
【關鍵詞】： 網絡流量預測 多分類支持向量機 編碼 解碼
【分類號】：TP393.06
【正文快照】： 隨著互聯網的快速發(fā)展,網絡規(guī)模和網絡復雜程度越來越大,因此對于網絡的優(yōu)化、管理及安全提出了更高的要求。通過建立網絡流量模型,預測網絡負載,及時控制或調 整,能夠大幅提高網絡性能和服務質量,網絡流量預測對于大規(guī)模網絡規(guī)劃、設計與管理顯得越來越重要。網絡流量時間序

【相似文獻】

中國期刊全文數據庫 前10條

1 靳召東;陳虹;張鉦浩;;基于自適應遺傳算法LS-SVM的網絡流量預測[J];計算機應用與軟件;2010年11期

2 段智彬;孫恩昌;張延華;董燕;;基于ARMA模型的網絡流量預測[J];中國電子科學研究院學報;2009年04期

3 孫麗梅;;基于小波變換的網絡流量預測[J];濰坊學院學報;2008年06期

4 閔潔;李瀟;;基于最小二乘支持向量機的網絡流量預測[J];科技創(chuàng)新導報;2010年03期

5 孫韓林;金躍輝;崔毅東;程時端;;粗粒度網絡流量的灰色模型預測[J];北京郵電大學學報;2010年01期

6 閔潔;李瀟;;基于最小二乘支持向量機的網絡流量預測[J];九江學院學報(自然科學版);2010年01期

7 陶曉玲;彭維洋;;一種趨勢劃分的灰色馬爾可夫網絡流量預測方法[J];桂林電子科技大學學報;2010年03期

8 奠石鎂;何蓉;付紹武;;基于混沌時間序列和神經網絡的網絡流量預測方法[J];現代電子技術;2011年03期

9 王鵬;劉淵;;基于改進的QPSO訓練BP網絡的網絡流量預測[J];計算機應用研究;2009年01期

10 黨小超;郝占軍;門健;;新型Elman混沌神經網絡的流量預測[J];計算機工程;2011年03期

中國碩士學位論文全文數據庫 前4條

1 李麗;基于支持向量機的網絡流量預測研究[D];南京理工大學;2007年

2 王鵬;網絡流量預測技術研究[D];江南大學;2009年

3 陸國浩;網絡流量預測系統(tǒng)的研究與實現[D];蘇州大學;2007年

4 唱雪;基于BP神經網絡理論的校園網帶寬流量預測[D];哈爾濱工程大學;2008年

，

本文編號：818559