一种基于多标记学习的网络流量预测算法

发布时间：2017-09-23 05:41

  本文关键词：一种基于多标记学习的网络流量预测算法

  更多相关文章： 网络流量 预测 粒子群算法

【摘要】：通过对网络流量的准确预测提高对网络的调控和监测水平,避免网络拥堵,确保网络畅通。传统的网络流量预测算法采用粒子群算法,在处理大规模的流量数据时,容易导致信息发散和易陷入局部极值点,流量预测准确度不高。提出一种基于多标记学习混合差分粒子群进化的网络流量预测算法。构建多分簇的无线网络流量数据传输模型,对网络流量进行时间序列分析,采用粒子群优化算法分别比较网络信息流中的频率波动是否相同,对相同的进行合并,基于自回归移动平均算法,进行粒子群信息链特征优选准则设计,采用多标记学习混合差分粒子群进化算法,把网络流量数据嵌入到内核空间的超球体中,进行离线阶段的网络流量预测优化。仿真结果表明,该算法对网络流量预测的精度较高,误差减少,具有较好的应用价值。
【作者单位】： 中国劳动关系学院计算机应用技术教研室;
【关键词】： 网络流量 预测 粒子群算法
【分类号】：TP393.06
【正文快照】： 0引言通过网络流量的预测,监视网络状态、数据流程以及网络上信息传输,网络流量预测系统是进行网络数据管理和监测的有效管理工具,可以预测网络上所传输的信息,避免网络拥堵,提高网络的数据信息调度和管理能力。当前的网络流量传输多采用无线数据传输模型,无线网络采用分组交

【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：903534