组合核函数高斯过程的网络流量预测模型

发布时间：2017-09-24 13:29

  本文关键词：组合核函数高斯过程的网络流量预测模型

  更多相关文章： 高斯过程 遗传算法 延迟时间 网络流量 嵌入维数

【摘要】：针对网络流量的非线性和时变性等特点,为了提高网络流量预测精度,提出一种组合核函数高斯过程的网络流量预测模型。用自相关法和假近邻法计算网络流量的延迟时间和嵌入维数,构建网络流量学习样本;采用组合核函数高斯过程对训练集进行学习,并且参数通过遗传算法进行优化;最后采用网络流量数据对模型性能测试。仿真表明,相对于对比模型,组合核函数高斯模型获得了更高的预测精度,预测结果更加稳定、可靠,具有较大的实际应用价值。
【作者单位】： 湖南商务职业技术学院电子信息技术系;电子科技大学计算机科学与工程学院;
【关键词】： 高斯过程 遗传算法 延迟时间 网络流量 嵌入维数
【分类号】：TP393.06
【正文快照】： 1引言随着网络业务迅速增长,网络服务质量要求日益提高,网络流量预测结果具有十分重要的实际价值,因此提高网络流量预测的准确性成为当前网络研究领域中的一个重大课题[1]。国内外学者们对其进行广泛的研究,已提出时间序列分析法、神经网络、灰色理论、隐马尔夫法、支持向量机

【参考文献】

中国期刊全文数据库 前10条

1 姜明;吴春明;张e，

本文编号：911701