基于支持向量回归的网络性能评估模型研究

被引：1

作者：

宋海声

赵晓林

刘平和

王丹丹

机构：

[1] 西北师范大学物理与电子工程学院

来源：

西北师范大学学报(自然科学版) | 2012年 / 48卷 / 03期

关键词：

支持向量回归; 网络性能; 时延预测;

D O I：

10.16783/j.cnki.nwnuz.2012.03.011

中图分类号：

TP393.01 [];

学科分类号：

081201 ; 1201 ;

摘要：

提出了一种基于支持向量回归的网络性能评估的ε-SVR模型.通过BP神经网络模型和支持向量回归模型之间进行的测试实验,证明了采用ε-SVR模型进行网络性能评估,比基于BP神经网络的网络评估模型具有更好的评估能力.

引用

页码：56 / 59

页数：4

共 7 条

[1] 支持向量机与RBF神经网络回归性能比较研究 [J].

刘苏苏 ;

孙立民 .

计算机工程与设计, 2011, 32 (12) :4202-4205

[2] 基于支持向量回归神经网络的动态系统辨识(英文) [J].

李军 ;

刘君华 .

Journal of Southeast University(English Edition), 2006, (02) :228-233

[3] PID型Elman网络及在动态系统辨识中的应用研究 [J].

漆为民 ;

程远楚 ;

姬巧玲 ;

蔡维由 .

控制与决策, 2005, (10) :1197-1200

[4] 基于小波逼近和尺度变换的非参数辨识方法 [J].

郑军 ;

颜文俊 ;

诸静 .

控制与决策, 2004, (10) :1190-1193

[5]

Customer Demand Forecasting via Support Vector Regression Analysis.[J].A.A. Levis;L.G. Papageorgiou.Chemical Engineering Research and Design.2005, 8

[6]

Improved system identification approach using wavelet networks.[J].Hong-li Shi;Yuan-li Cai;Zu-lian Qiu.Journal of Shanghai University (English Edition).2005, 2

[7]

现代分布式工业监控系统中网络测量与控制关键技术的研究与应用.[D].蒋一波.浙江工业大学.2008, 12

← 1 →