| 基于小波核LS—SVM的网络流量预测 |
| |
| 引用本文： | 杨光,张国梅,刘星宇.基于小波核LS—SVM的网络流量预测[J].微机发展,2005,15(12):125-128. |
| |
| 作者姓名： | 杨光 张国梅 刘星宇 |
| |
| 作者单位： | 西安邮电学院通信工程系 陕西西安710061(杨光，刘星宇)，西安交通大学信息与通信工程系 陕西西安710049(张国梅) |
| |
| 摘 要： | 网络流量预测对大规模网络管理、规划、设计具有重要意义。支持向量机方法是近年来发展起来的新型机器学习算法,用于解决高度非线性分类及回归问题。介绍了基于小波核最小二乘支持向量机的网络流量预测方法,利用小波核函数的多分辨特性提高了支持向量机的非线性建模能力。通过对实测网络流量数据的学习,对未来网络流量进行预测。实验结果表明,取得了较好的预测效果。
|
| 关 键 词： | 支持向量机 最小二乘支持向量机 流量预测 小波 |
| 文章编号： | 1005-3751（2005）12-0125-04 |
| 收稿时间： | 2005-03-23 |
| 修稿时间： | 2005年3月23日 |
Network Traffic Prediction Based. on Wavelet Kernel LS - SVM |
| |
| YANG Guang, ZHANG Guo-mei ,LIU Xing-yu.Network Traffic Prediction Based. on Wavelet Kernel LS - SVM[J].Microcomputer Development,2005,15(12):125-128. |
| |
| Authors: | YANG Guang ZHANG Guo-mei LIU Xing-yu |
| |
| Abstract: | Traffic prediction has significant meanings for management,layout and design of large-scale network.As a new type of machine learning algorithm,support vector machines(SVM) method is developed for solving highly nonlinear classification and regression problems.Prediction method of network traffic based on wavelet kernel least squares SVM is described in this paper,using wavelet kernel function to improve nonlinear modeling performance of it.Through studying of traffic data in real network,predict the future traffic.Experiment result shows good effect. |
| |
| Keywords: | support vector machines least squares support sector machines traffic prediction wavelet |
| 本文献已被 CNKI 维普 等数据库收录！ |
