基于IPSO混沌支持向量机的网络流量预测研究

被引：4

作者：

尹波 ^{[1
]}

夏靖波 ^{[1
]}

付凯 ^{[1
]}

陈茂 ^{[2
]}

机构：

[1] 空军工程大学电讯工程学院

[2] 兰州军区通信网络技术管理中心

来源：

计算机应用研究 | 2012年 / 29卷 / 11期

关键词：

网络流量预测; 混沌支持向量机; 改进粒子群算法; 遗传算法;

D O I：

暂无

中图分类号：

TP393.06 [];

学科分类号：

081201 ; 1201 ;

摘要：

针对传统混沌支持向量机参数寻优算法的不足,提出了一种改进的粒子群(IPSO)算法。该算法通过延长迭代的开始阶段和最后阶段的搜索时间,实现了算法的全局搜索与局部搜索能力之间的平衡,进而优化模型参数,建立了基于IPSO优化的混沌支持向量机预测模型。应用实例结果表明,该模型对网络流量预测是有效可行的,并具有较高的寻优效率、预测精度和较好的稳态性能。

引用

页码：4293 / 4295+4299 +4299

页数：4

共 9 条

[1] 混沌时间序列分析中的相空间重构技术综述 [J].

陈铿 ;

韩伯棠 .

计算机科学, 2005, (04) :67-70

[2]

Particle swarm optimization. Kennedy J,Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995

[3]

Nonlinear inertia weight variation for dynamic adaptation in particle swarm optimization. Chatterjee A,,Siarry P. Computers&Opera-tions Research . 2006

[4] 混沌-支持向量机回归在流量预测中的应用研究 [J].

罗赟骞 ;

夏靖波 ;

王焕彬 .

计算机科学, 2009, 36 (07) :244-246

[5] 基于遗传算法优化支持向量机的网络流量预测 [J].

张颖璐 .

计算机科学, 2008, (05) :177-179+197

[6] 基于混沌特性的网络流量预测 [J].

陆锦军 ;

王执铨 .

南京航空航天大学学报, 2006, (02) :217-221

[7] 支持向量回归参数调整的一种启发式算法 [J].

刘靖旭 ;

蔡怀平 ;

谭跃进 .

系统仿真学报, 2007, (07) :1540-1543+1547

[8]

INTERNET TRAFFIC DATA FLOW FORECAST BY RBF NEURAL NETWORK BASED ON PHASE SPACE RECONSTRUCTION. Lu Jinjun,Wang Zhiquan. Transactions of Nanjing University of Aeronautics &Astronautics . 2006

[9]

Practical selection of SVM parameters and noise estimation for SVM regression. Vladimir Cherkassky,Yunqian Ma. Neural Networks . 2004

← 1 →