基于小波核LS-SVM的网络流量预测

被引：10

作者：

杨光 ^{[1
]}

张国梅 ^{[2
]}

刘星宇 ^{[1
]}

机构：

[1] 西安邮电学院通信工程系

[2] 西安交通大学信息与通信工程系

来源：

微机发展 | 2005年 / 12期

关键词：

支持向量机; 最小二乘支持向量机; 流量预测; 小波;

D O I：

暂无

中图分类号：

TP393.06 [];

学科分类号：

081201 ; 1201 ;

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。

引用

页码：125 / 128

页数：4