用支持向量机网络实现VBR视频通信量的预测

• 作者: 常胜江 张延炘 李素梅
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: VBR视频通信量 支持向量机 结构风险
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 210-213
• 页数: 4页
• 分类号: TP183|TP18|TP391.4
• 字数: 2941字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2006.02.005

摘要

VBR(Variable Bit Rate)视频信号具有时变性、非线性和突发性等特点,实现该信号通信量的高精度预测是提高信息传输速度和提高网络带宽资源利用效率的重要手段.针对以上问题,本文提出了一种用于VBR视频通信量预测的差分输入支持向量机(SVM:Support Vector Machine)网络模型.该网络模型采用结构风险最小化准则,在最小化经验风险的同时,尽量缩小模型预测误差的上界,从而使网络模型具有更好的推广能力.实验结果表明:支持向量机网络模型的预测误差为0.0018,而梯度径向基函数(Gradient Radial Basis Function:GRBF)神经网络模型的预测误差为0.0029.可以看出,支持向量机网络模型的预测精度要比GRBF网络模型的预测精度高出大约40%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常胜江	南开大学信息技术科学学院	80	596	15.0	19.0
2	张延炘	南开大学信息技术科学学院	34	310	12.0	15.0
3	李素梅	南开大学信息技术科学学院	6	57	4.0	6.0