当前位置:主页 > 管理论文 > 移动网络论文 >

基于自适应粒子群优化LSSVM的网络流量在线预测

发布时间:2018-10-04 23:23
【摘要】:针对带混沌特性的网络流量在线预测,提出一种融合自适应粒子群算法(APSO)和递推式最小二乘支持向量机回归的流量模型。对流量序列嵌入重构得到多维状态输入矢量,将其作为初始LSSVM的训练样本,其中采用自适应粒子群算法对模型的特征参数、嵌入维数寻优,避免早熟停滞。对于在线预报过程中的吸收样本、删减样本采用核矩阵迭代式求解,动态调整回归机,使得模型具有在线学习能力,由此得APSO-LSSVM在线流量预测模型,并考察网络负荷度与嵌入维数关系。仿真实验表明:该方法能有效预测网络流量,实现较高精度实时流量估计。
[Abstract]:An adaptive particle swarm optimization algorithm (APSO) and a recursive least square support vector machine (LS-SVM) regression model for on-line traffic prediction with chaotic characteristics are proposed. The multi-dimensional state input vector is obtained by embedding and reconstructing the traffic sequence, which is used as the training sample of the initial LSSVM. The adaptive particle swarm optimization algorithm is used to optimize the characteristic parameters of the model, and the embedding dimension is optimized to avoid premature stagnation. For the absorbing samples in the process of on-line prediction, the deleted samples are solved by the kernel matrix iterative method, and the regression machine is dynamically adjusted to make the model have the ability of on-line learning, so that the APSO-LSSVM on-line flow prediction model is obtained. The relationship between network load and embedding dimension is also investigated. Simulation results show that the proposed method can effectively predict network traffic and achieve high accuracy real-time traffic estimation.
【作者单位】: 华东交通大学电气与电子工程学院;
【基金】:国家自然科学基金项目(61164011)
【分类号】:TP393.06

【参考文献】

相关期刊论文 前3条

1 付国江,王少梅,刘舒燕,李宁;含边界变异的粒子群算法[J];武汉理工大学学报;2005年09期

2 张淑清;贾健;高敏;韩叙;;混沌时间序列重构相空间参数选取研究[J];物理学报;2010年03期

3 杨永生;;一种自适应调节粒子群优化算法的研究[J];西安科技大学学报;2011年03期

【共引文献】

相关期刊论文 前10条

1 迟建平;任顺平;;网络拥塞混沌控制策略研究[J];指挥控制与仿真;2007年04期

2 王凤英;基于混沌系统的文件加密技术研究[J];情报杂志;2005年09期

3 赵犁丰,宋洁,姚玉玲,杨军波;利用小波包分析和混沌特征提取进行船舶辐射噪声分类[J];中国海洋大学学报(自然科学版);2004年06期

4 盛松涛;苏忖安;毛建平;朱全平;;加权一阶局域法在边坡位移预测中的应用研究[J];人民长江;2006年11期

5 宋军伟;方坤河;;基于Lyapunov指数的混凝土体积变形混沌预测[J];人民长江;2008年14期

6 丁胜祥;杨新意;;宜昌站月径流时间序列的混沌特性分析[J];人民长江;2009年22期

7 夏立玲;;流程工业中基于混沌时间序列的成本预测研究[J];软件导刊;2009年09期

8 马建华;楚纯洁;宫少燕;;花园口断面年径流量时间序列混沌特性分析[J];人民黄河;2006年01期

9 乔一帆;;改进粒子群算法在矩形渡槽结构优化中的应用[J];人民黄河;2011年03期

10 牟丽琴;林焕新;;汀江流域降水径流时间序列的混沌分析[J];人民珠江;2010年01期

【二级参考文献】

相关期刊论文 前9条

1 孙海云,曹庆杰;相空间重构延迟时间的确定[J];山东工业大学学报;2000年02期

2 黄国如,芮孝芳;流域降雨径流时间序列的混沌识别及其预测研究进展[J];水科学进展;2004年02期

3 王兆霞,孙雨耕,陈增强,袁著祉;基于模糊神经网络的网络业务量预测研究[J];通信学报;2005年03期

4 叶美盈,汪晓东,张浩然;基于在线最小二乘支持向量机回归的混沌时间序列预测[J];物理学报;2005年06期

5 陈贵敏;贾建援;韩琪;;粒子群优化算法的惯性权值递减策略研究[J];西安交通大学学报;2006年01期

6 李军民;王洪涛;;一种改进惯性权重策略的粒子群优化算法[J];西安科技大学学报;2010年05期

7 刘靖旭;蔡怀平;谭跃进;;支持向量回归参数调整的一种启发式算法[J];系统仿真学报;2007年07期

8 黄辉先;陈资滨;;一种改进的粒子群优化算法[J];系统仿真学报;2007年21期

9 程光,龚俭;大规模网络流量宏观行为周期性分析研究[J];小型微型计算机系统;2003年06期

【相似文献】

相关期刊论文 前10条

1 闵洁;李潇;;基于最小二乘支持向量机的网络流量预测[J];科技创新导报;2010年03期

2 闵洁;李潇;;基于最小二乘支持向量机的网络流量预测[J];九江学院学报(自然科学版);2010年01期

3 张雅明;林立忠;刘智国;;结合遗传算法与LSSVC的网络异常检测[J];计算机仿真;2010年12期

4 刘芬;帅建梅;;基于梯度和颜色特征的图像垃圾邮件过滤[J];计算机工程;2010年16期

5 黄谦;肖侬;刘波;;基于支持向量机的网格负载信息预测模型[J];计算机技术与发展;2007年06期

6 龙门;夏靖波;张子阳;;一种基于日志的攻击模式挖掘方法[J];微电子学与计算机;2011年05期

7 张艳秋;王蔚;;利用遗传算法优化的支持向量机垃圾邮件分类[J];计算机应用;2009年10期

8 孔笋;陈增强;;一种新的混沌蚁群算法及其在QoS组播路由优化问题中的应用[J];智能系统学报;2010年06期

9 冯华丽;刘渊;;小波分析和AR-LSSVM的网络流量预测[J];计算机工程与应用;2011年20期

10 曲静;;参数优化分析案例[J];职业时空;2009年08期

相关硕士学位论文 前10条

1 黄小珂;基于蚁群优化算法的数据包路由技术研究[D];长春理工大学;2010年

2 王鹏;网络流量预测技术研究[D];江南大学;2009年

3 李卿;支持向量机在P2P网络流量检测中的应用[D];哈尔滨理工大学;2009年

4 李丽;基于支持向量机的网络流量预测研究[D];南京理工大学;2007年

5 刘永健;基于LS-SVM的入侵检测模型与实时测试平台研究[D];国防科学技术大学;2005年

6 陆国浩;网络流量预测系统的研究与实现[D];苏州大学;2007年

7 柏海滨;基于机器学习的入侵检测系统的研究与实现[D];南京航空航天大学;2008年

8 唱雪;基于BP神经网络理论的校园网带宽流量预测[D];哈尔滨工程大学;2008年

9 刘思佳;智能网络入侵检测方法的研究[D];西华大学;2009年

10 胡明科;未知木马检测技术研究[D];沈阳航空航天大学;2011年



本文编号:2252294

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/ydhl/2252294.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户cf35f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com