| 多子种群PSO优化SVM的网络流量预测 |
| |
| 引用本文： | 曾伟. 多子种群PSO优化SVM的网络流量预测[J]. 北京交通大学学报(自然科学版), 2013, 37(5) |
| |
| 作者姓名： | 曾伟 |
| |
| 作者单位： | 华东交通大学信息工程学院,江西南昌,330013 |
| |
| 基金项目： | 江西省教育厅科学技术研究项目资助 |
| |
| 摘 要： | 针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型(Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM).首先支持向量机(Support Vector Machine,SVM)参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化(Particle SwarmOptimization,PSO)算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.
|
| 关 键 词： | 网络流量 最小二乘支持向量机 粒子群优化算法 多子种群 |
Network traffic prediction based on SVM optimized by multi-subpopulation particle swarm optimization algorithm |
| |
| ZENG Wei. Network traffic prediction based on SVM optimized by multi-subpopulation particle swarm optimization algorithm[J]. JOURNAL OF BEIJING JIAOTONG UNIVERSITY, 2013, 37(5) |
| |
| Authors: | ZENG Wei |
| |
| Abstract: | |
| |
| Keywords: | network traffic Least squares support vector machine particle swarm optimization algorithm multi-subpopulation |
| 本文献已被 万方数据 等数据库收录！ |
|
