基于ELM-LSSVM的网络流量预测

发布时间：2017-09-08 21:02

  本文关键词：基于ELM-LSSVM的网络流量预测

  更多相关文章： 网络流量 极限学习机 最小二乘支持向量机 相空间重构

【摘要】：为了对网络流量进行准确预测,针对传统极限学习机的"过拟合"不足,提出一种极限学习机和最小二乘支持向量机相融合的网络流量预测模型(ELM-LSSVM)。该模型通过相空间重构获得网络流量的学习样本,引入最小二乘支持向量机对极限学习进行改进,并对网络流量训练集进行学习,采用仿真实验对模型性能进行测试。结果表明,ELM-LSSVM提高了网络流量的预测精度,实现了网络流量准确预测,并具有较强的实际应用价值。
【作者单位】： 江西师范大学数学与信息科学学院;
【关键词】： 网络流量 极限学习机 最小二乘支持向量机 相空间重构
【分类号】：TP393.06
【正文快照】： 准确的网络流量预测可以为网络管理员提供有利的参考意见,便于网络维护和管理[1]。最初人们采用时间序列法对网络流量进行预测,出现了指数平滑法、滑动平均法、自回归移动平均法等,但它们只能对网络流量进行线性建模,自适应性较差,预测误差大,具有一定局限性[2]。近几年来,随

【相似文献】

中国期刊全文数据库 前10条

1 姜明;吴春明;张e，

本文编号：816294