基于机器学习方法的网络流量感知与预测研究
发布时间：2021-10-12 09:23
随着互联网的迅速发展，互联网应用不断推陈出新，网络系统日益复杂。为了更好的控制网络行为、配置网络资源，应对网络攻击，也为了设计出更合理的互联网系统，就需要对复杂的网络行为进行分析和预测。网络流量的建模与预测对于监测网络行为、保证网络安全有着非常重要的意义。当前的研究表明，网络流量序列呈现出复杂的特性，如自相似性、长相关性、多重分形性等，且传统的网络流量预测方法和模型已经难以刻画日益复杂多变的互联网行为了。论文对网络流量的复杂特性进行了简单的介绍，并从线性模型、非线性模型、组合模型三个角度分析了传统的网络流量预测模型的特点，对比了这些模型的优缺点。机器学习方法中的支持向量回归机算法是进行网络流量预测的重要智能方法，论文先对机器学习和支持向量回归机预测方法进行了简单的介绍，然后提出了两种基于它的改进模型。针对支持向量回归机预测模型的参数选择方法上的不足，将一种新颖高效的智能搜索算法-全局人工鱼群算法运用于支持向量回归机的参数择优过程中，选择出使支持向量回归机的预测效果最好的一组参数，建立预测模型，并将这种模型运用于网络流量预测当中。仿真实验表明，这种预测模型与其它两类通过优化支持向量回归机...
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
人工神经网络预测过程
图 3 -1 B P 神 经网 络 的 典型 结 构 论 的 基 础是 统 计 学 习理 论 中 的 VC 维理 论与 结 构 况 下， 在 算法 的复 杂 度 和 学习 能 力之 间取 得 一 个 模 型的 泛 化能 力最 强 。 而 支持 向 量集 理论 即 是 将 值 。 支持 向 量机 具 有 以下 的 几个 主 要 优点 ： 机 的 适 用 条件 是 有 限的 样 本 集， 得到 的 也是 有 限 样 要很 大 的 样本 集 。 机 算 法 最 终转 换 为 一个 二 次 寻优 问 题， 得 到 全 局 最机 通 过 核 函数 将 数 据从 低 维 空间 映 射 到 高维 特 征 变 换， 从 而解 决复 杂 的 维 数问 题 ，而 该算 法 的 复 杂 有很 好 的 泛 化能 力 。 机 时 ，定 义 不 同的 核 函 数， 可 以 实 现现 有 的 许多
江南 大学 硕 士学 位 论 文 .4 支 持 向 量 回 归 机 网 络 流 量 预 测 模 型. 4 .1 支 持 向量 回 归 机算 法 上一 章 已 经介 绍 了 支 持向 量 机 的 基本 原 理 ，即 使 用 结 构风 险 化 原则 来 代 替 原本 的 风 小 化原 则 ，使 算 法适 用于 小 样本 集 的学 习 问题 。 支持 向 量 机算 法 的 基 本思 想 是： 利 用 一 个 非线 性 映 射 ，把 数 据 映射 到 一 个 高维 的 空 间 里， 即 把 一 个 低维 度 的非 线性 的 问 题 转化 成 一个 高维 度 的 线 性问 题 ， 免 去了 在 空 间计 算 复杂 的 点 积 运算 。 如图 3- 2 所示
【参考文献】：
期刊论文
[1]基于支持向量回归机的股票价格预测[J]. 谢国强. 计算机仿真. 2012(04)
[2]基于多元线性自回归模型的流量预测[J]. 党小超,阎林. 计算机工程. 2012(01)
[3]Elman神经网络的网络流量预测[J]. 侯家利. 计算机仿真. 2011(07)
[4]基于混沌粒子群优化SVR的网络流量预测[J]. 王治. 计算机仿真. 2011(05)
[5]ARIMA模型在网络流量预测中的应用研究[J]. 张冉,赵成龙. 计算机仿真. 2011(02)
[6]集成灰色支持向量机预测模型研究与应用[J]. 林耀进,周忠眉,吴顺祥. 计算机应用. 2009(12)
[7]基于SVR的组合预测模型及其应用[J]. 刘显德,高泓. 计算机工程与设计. 2009(19)
[8]基于ARMA模型的网络流量预测[J]. 段智彬,孙恩昌,张延华,董燕. 中国电子科学研究院学报. 2009(04)
[9]支持向量机回归的碳通量预测[J]. 陈强,吴慕春,薛月菊,杨敬锋,刘国瑛. 计算机工程与应用. 2009(21)
[10]自适应参数的AOSVR算法及其在股票预测中应用[J]. 吴微,张凌. 大连理工大学学报. 2009(04)
博士论文
[1]最小二乘支持向量机建模及预测控制算法研究[D]. 李丽娟.浙江大学 2008
硕士论文
[1]基于混沌时间序列分析与支持向量机的网络流量预测[D]. 谢渺.西华大学 2009
[2]混沌时间序列预测模型研究[D]. 周金勇.武汉理工大学 2009
[3]网络流量自相似特性与预测研究[D]. 胡大民.浙江大学 2008
[4]基于支持向量机的网络流量预测研究[D]. 李丽.南京理工大学 2007
[5]基于联合神经网络的流量预测模型[D]. 冯海亮.山东大学 2007
[6]混沌时间序列预测方法及其应用[D]. 孟庆芳.山东大学 2005
本文编号：3432304
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
人工神经网络预测过程
图 3 -1 B P 神 经网 络 的 典型 结 构 论 的 基 础是 统 计 学 习理 论 中 的 VC 维理 论与 结 构 况 下， 在 算法 的复 杂 度 和 学习 能 力之 间取 得 一 个 模 型的 泛 化能 力最 强 。 而 支持 向 量集 理论 即 是 将 值 。 支持 向 量机 具 有 以下 的 几个 主 要 优点 ： 机 的 适 用 条件 是 有 限的 样 本 集， 得到 的 也是 有 限 样 要很 大 的 样本 集 。 机 算 法 最 终转 换 为 一个 二 次 寻优 问 题， 得 到 全 局 最机 通 过 核 函数 将 数 据从 低 维 空间 映 射 到 高维 特 征 变 换， 从 而解 决复 杂 的 维 数问 题 ，而 该算 法 的 复 杂 有很 好 的 泛 化能 力 。 机 时 ，定 义 不 同的 核 函 数， 可 以 实 现现 有 的 许多
江南 大学 硕 士学 位 论 文 .4 支 持 向 量 回 归 机 网 络 流 量 预 测 模 型. 4 .1 支 持 向量 回 归 机算 法 上一 章 已 经介 绍 了 支 持向 量 机 的 基本 原 理 ，即 使 用 结 构风 险 化 原则 来 代 替 原本 的 风 小 化原 则 ，使 算 法适 用于 小 样本 集 的学 习 问题 。 支持 向 量 机算 法 的 基 本思 想 是： 利 用 一 个 非线 性 映 射 ，把 数 据 映射 到 一 个 高维 的 空 间 里， 即 把 一 个 低维 度 的非 线性 的 问 题 转化 成 一个 高维 度 的 线 性问 题 ， 免 去了 在 空 间计 算 复杂 的 点 积 运算 。 如图 3- 2 所示
【参考文献】：
期刊论文
[1]基于支持向量回归机的股票价格预测[J]. 谢国强. 计算机仿真. 2012(04)
[2]基于多元线性自回归模型的流量预测[J]. 党小超,阎林. 计算机工程. 2012(01)
[3]Elman神经网络的网络流量预测[J]. 侯家利. 计算机仿真. 2011(07)
[4]基于混沌粒子群优化SVR的网络流量预测[J]. 王治. 计算机仿真. 2011(05)
[5]ARIMA模型在网络流量预测中的应用研究[J]. 张冉,赵成龙. 计算机仿真. 2011(02)
[6]集成灰色支持向量机预测模型研究与应用[J]. 林耀进,周忠眉,吴顺祥. 计算机应用. 2009(12)
[7]基于SVR的组合预测模型及其应用[J]. 刘显德,高泓. 计算机工程与设计. 2009(19)
[8]基于ARMA模型的网络流量预测[J]. 段智彬,孙恩昌,张延华,董燕. 中国电子科学研究院学报. 2009(04)
[9]支持向量机回归的碳通量预测[J]. 陈强,吴慕春,薛月菊,杨敬锋,刘国瑛. 计算机工程与应用. 2009(21)
[10]自适应参数的AOSVR算法及其在股票预测中应用[J]. 吴微,张凌. 大连理工大学学报. 2009(04)
博士论文
[1]最小二乘支持向量机建模及预测控制算法研究[D]. 李丽娟.浙江大学 2008
硕士论文
[1]基于混沌时间序列分析与支持向量机的网络流量预测[D]. 谢渺.西华大学 2009
[2]混沌时间序列预测模型研究[D]. 周金勇.武汉理工大学 2009
[3]网络流量自相似特性与预测研究[D]. 胡大民.浙江大学 2008
[4]基于支持向量机的网络流量预测研究[D]. 李丽.南京理工大学 2007
[5]基于联合神经网络的流量预测模型[D]. 冯海亮.山东大学 2007
[6]混沌时间序列预测方法及其应用[D]. 孟庆芳.山东大学 2005
本文编号：3432304
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3432304.html
