多子种群PSO优化SVM的网络流量预测

• 作者: 曾伟
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 网络流量 最小二乘支持向量机 粒子群优化算法 多子种群
• 年，卷（期）: 2013,（5）
• 页码范围: 62-66
• 页数: 5页
• 分类号: TP393.02
• 字数: 3577字
• 语种: 中文

摘要

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型(Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM).首先支持向量机(Support Vector Machine,SVM)参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化(Particle SwarmOptimization,PSO)算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾伟	华东交通大学信息工程学院	9	40	4.0	6.0