融合提升小波降噪和LSSVM的网络流量在线预测

被引：15

作者：

李明迅

孟相如

袁荣坤

温祥西

陈新富

机构：

[1] 空军工程大学电讯工程学院

来源：

计算机应用 | 2012年 / 32卷 / 02期

关键词：

网络流量预测; 提升小波降噪; 最小二乘支持向量机; 在线算法;

D O I：

暂无

中图分类号：

TP393.06 [];

学科分类号：

摘要：

针对网络流量数据被噪声污染而无法进行准确建模与预测的问题,将提升小波降噪(LWD)技术和在线最小二乘支持向量机(LSSVM)相结合,提出了一种网络流量的集成式在线预测方法。该方法首先对采集的流量数据进行降噪,然后采用相空间重构理论计算流量的时延、嵌入维数,据此确定训练样本并建立在线预测模型,对网络流量数据进行预测。实验结果表明,该方法能有效滤除流量噪声,实现在线预测,提高预测精度。

引用

页码：340 / 342+346 +346

页数：4

共 7 条

[1]

混沌时间序列分析及其应用.[M].吕金虎等编著;.武汉大学出版社.2002,

[2]

Least squares support vector machine classifiers [J].