基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统时序分解模型在去除网络流量序列中的趋势性和周期性成分后,用AR模型处理剩余序列,因而只适合处理粗时间粒度的流量,而无法处理具有长相关性的细时间粒度流量.本文用模糊自回归模型替代AR模型,使得改进的时序分解模型能够对任何时间粒度的网络流量进行建摸和预测.
推荐文章
自回归与神经网络组合的网络流量预测模型
网络流量
自回归滑动平均模型
神经网络
组合模型
基于小波分解的网络流量时间序列建模与预测
网络流量
小波分解
时间序列
预测
基于ARIMA模型的网络流量预测
业务管理
流量预测
ARIMA模型
ARMA模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 模糊自回归在网络流量时序分解模型中的应用
来源期刊 计算机应用 学科 工学
关键词 时序分解 自回归 自相似 长相关 模糊自回归
年,卷(期) 2004,(4) 所属期刊栏目 网络应用与信息安全
研究方向 页码范围 86-88
页数 3页 分类号 TP393.07
字数 2994字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王伟 南开大学机器智能研究所 30 318 9.0 17.0
2 韩维桓 南开大学机器智能研究所 14 201 7.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (10)
参考文献  (6)
节点文献
引证文献  (6)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2004(1)
  • 引证文献(1)
  • 二级引证文献(0)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
时序分解
自回归
自相似
长相关
模糊自回归
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导