基于PSO-LSSVM的网络流量预测模型
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Network Traffic Prediction Method Based on Particle Swarm Algorithm Optimizing Least Square Support Vector Machine
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了提高网络流量的预测精度,考虑到网络流量的长相关、非线性等特性,提出一种粒子群算法优化最小二乘支持向量机参数的网络流量预测模型(PSO-LSSVM). 首先将最小二乘支持向量机参数作为粒子的位置向量,然后利用粒子群算法找到模型的最优参数,最后采用最优参数最小二乘支持向量机建立网络流量预测模型. 仿真结果表明,相对于参比模型,PSO-LSSVM能够获得更高的网络流量预测精度,更能准确描述网络流量变化规律.

    Abstract:

    Network traffic had long related and nonlinear characteristics, in order to improve the prediction accuracy of network traffic, this paper proposed a network traffic prediction method based on particle swarm algorithm optimizing the parameters of least square support vector machine. Parameters of least square support vector machine were taken as the position vector of particle, and then the particle swarm algorithm is used to find the optimal parameters of the model, finally, the prediction model of traffic model is established based on least square support vector machine with the optimal parameters. The simulation results showed that the proposed model had improved prediction accuracy ompared with other network traffic prediction models and could more accurately describe the change rule of network traffic.

    参考文献
    相似文献
    引证文献
引用本文

刘春.基于PSO-LSSVM的网络流量预测模型.计算机系统应用,2014,23(10):147-151

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-02-19
  • 最后修改日期:2014-04-01
  • 录用日期:
  • 在线发布日期: 2014-10-17
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号