认知网络中基于蚁群算法的网络流量预测模型

• 作者: 张润彤 李丹丹 王传臣 肖东坡
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 认知网络 网络流量预测 神经网络 蚁群算法 小波
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 2245-2250
• 分类号: TP393
• 字数: 4106字
• 语种: 中文

摘要

认知网络能够感知外部环境,并能根据周围环境的变化智能、自主、自适应的动态变化,这种特性更适合为用户提供QoS(Quality of Service)保障.设计高精度的流量预测模型,可以提高认知网络的认知特性.本文针对原有预测模型预测精度低、对训练数据依赖程度高以及不能很好的刻画网络流量特征的不足,提出了一个混合的流量预测模型.它使用蚁群算法训练BP网络的权值,避免了梯度下降法收敛速度慢、容易陷入局部最优的问题.并且在预测之前,首先使用BP( Back Propagation)网络剔除原始数据中的异常数据信号,再对其进行小波分解,最后使用混合模型预测网络流量,实现了认知网络中高精度的流量预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张润彤	北京交通大学信息系统研究所	45	374	12.0	18.0
2	李丹丹	北京交通大学信息系统研究所	8	67	3.0	8.0
3	王传臣	北京交通大学信息系统研究所	3	65	3.0	3.0
4	肖东坡	北京交通大学信息系统研究所	1	32	1.0	1.0