基于混沌粒子群优化SVR的网络流量预测

• 作者: 王治
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 支持向量回归算法 混沌粒子群优化 网络流量 预测
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 网络与互连技术
• 页码范围: 151-154
• 分类号: TP393.07
• 字数: 2573字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.05.037

摘要

计算机网络流量预测对于网络流量的控制和调整,进而提高网络性能和服务质量起着重要的作用.当前传统计算机网络流量方法预测精度较低,仅为85%左右.针对网络流量的非线性和时变特性,难以准确实现网络流量评估,为了解决此问题,提出基于混沌粒子群优化SVR的网络流量预测方法.支持向量回归算法(SVR)是一种用于趋势预测的支持向量机模型,能找到全局最优解.然而,SVR参数的选择对回归模型优化起着决定性作用.采用混沌粒子群优化算法(CPSO)优化支持向量参数,通过建立混沌粒子群优化SVR的网络流量预测模型.仿真结果表明,混沌粒子群优化SVR网络流量预测模型能力强、效果好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王治	九江学院信息科学与技术学院	8	55	4.0	7.0