一种优化的RBF神经网络模型用于网络流量预测

被引：4

作者：

余健 ^{[1
,2
]}

郭平 ^{[2
]}

机构：

[1] 韩山师范学院数学与信息技术系

[2] 北京师范大学信息科学与技术学院

来源：

计算机应用与软件 | 2008年 / 25卷 / 12期

关键词：

径向基函数; 量子粒子群优化; 神经网络; 网络流量预测;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TN915.07 [网络管理];

学科分类号：

摘要：

采用径向基RBF神经网络对网络流量数据的时间序列进行建模与预测。采用传统的学习算法对RBF网络训练时,对网络流量数据容易出现过拟合现象,提出了自适应量子粒子群优化AQPSO算法,用于训练RBF神经网络的基函数中心和宽度,并结合最小二乘法计算网络权值,改善了RBF神经网络的泛化能力。实验结果表明,采用AQPSO算法获得的RBF神经网络模型具有泛化能力强、稳定性良好的特点,在网络流量预测中有一定的实用价值。

引用

页码：33 / 35+45 +45

页数：4

共 8 条

[1] 自组织映射(SOM)聚类算法的研究 [J].

余健 ;

郭平 .

现代计算机, 2007, (03) :7-8+33

[2] 量子粒子群优化算法在训练支持向量机中的应用 [J].

山艳 ;

须文波 ;

孙俊 .

计算机应用, 2006, (11) :2645-2647+2677

[3] 网络流量预测方法和实际预测分析 [J].

郑成兴 .

计算机工程与应用 , 2006, (23) :127-130

[4] 基于PSO的RBF神经网络学习算法及其应用 [J].

张顶学 ;

关治洪 ;

刘新芝 .

计算机工程与应用, 2006, (20) :13-15

[5] 基于组合神经网络的软件可靠性预测研究 [J].

张雪松 ;

郭平 .

北京师范大学学报(自然科学版), 2005, (06) :599-603

[6] 一种RBF网络结构优化方法 [J].

张友民，李庆国，戴冠中，张洪才 .

控制与决策 , 1996, (06) :667-671

[7]

人工神经网络原理及仿真实例[M]. 机械工业出版社 , 高隽编著, 2003

[8]

Particle Swarm Optimization with Parti-cles Having Quantum Behavior .2 Sun J,Feng B,Xu W B. Proceedings of 2004 Con-gress on Evolutionary Computation . 2004

← 1 →