基于自适应粒子群优化 LSSVM 的网络流量在线预测

• 作者: 刘百芬 熊南
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 网络流量预测 最小二乘支持向量机 自适应粒子群 参数优化 迭代求解
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 基金项目论文
• 页码范围: 21-24,127
• 页数: 5页
• 分类号: TP393
• 字数: 5773字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.09.007

摘要

针对带混沌特性的网络流量在线预测，提出一种融合自适应粒子群算法（ APSO）和递推式最小二乘支持向量机回归的流量模型。对流量序列嵌入重构得到多维状态输入矢量，将其作为初始LSSVM的训练样本，其中采用自适应粒子群算法对模型的特征参数、嵌入维数寻优，避免早熟停滞。对于在线预报过程中的吸收样本、删减样本采用核矩阵迭代式求解，动态调整回归机，使得模型具有在线学习能力，由此得APSO-LSSVM在线流量预测模型，并考察网络负荷度与嵌入维数关系。仿真实验表明：该方法能有效预测网络流量，实现较高精度实时流量估计。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘百芬	华东交通大学电气与电子工程学院	31	206	9.0	14.0
2	熊南	华东交通大学电气与电子工程学院	4	40	3.0	4.0