基于合理遗忘选择训练样本的网络流量预测模型

• 作者: 莫闯
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 网络流量 时间序列 极限学习机 神经网络
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 网络与通信
• 页码范围: 120-123,175
• 页数: 5页
• 分类号: TP391
• 字数: 4183字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.10.028

摘要

为了提高网络流量的预测精度，针对极限学习机的训练样本选择问题，提出一种基于合理遗忘选择训练样本的网络流量预测模型（SF-ELM）。首先通过引入遗忘因子减弱旧训练样本对预测结果的影响，合理对训练样本进行在线更新；然后以泛化能力作为评价准则，选择性更新极限学习机输出权值；最后进行仿真分析。结果表明，SF-ELM的网络流量学习速度快于对比模型，获得了更加理想的网络流量预测效果，更适于实时性要求高的网络流量在线预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	莫闯	贵州师范学院教育信息网络中心	6	8	2.0	2.0