一种基于KPCA-LSSVM的可用带宽在线预测算法

• 作者: 戴冬 王果
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 可用带宽 在线预测 核主成分分析 最小二乘支持向量机
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 网络与通信
• 页码范围: 116-119
• 页数: 4页
• 分类号: TP393
• 字数: 4725字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.10.027

摘要

针对目前端到端可用带宽预测方面研究工作较少的现状，提出一种基于核主成分分析KPCA（Kernel Principle Component Analysis）和最小二乘支持向量机LSSVM（Least Squares Support Vector Machine）的可用带宽在线预测算法ABOP。在采集网络状态样本数据并对其进行相空间重构的基础上，采用KPCA对数据进行降维降噪处理，最后基于LSSVM对可用带宽进行在线预测。为减小计算开销，提出一种递推计算的方法加快模型更新速度，并采用粒子群优化算法对模型参数进行多步更新，确保了在线预测的时效性。仿真表明，提出的ABOP算法具有较高的预测精度和较快的预测速度，能够满足可用带宽在线预测的要求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴冬	河南机电高等专科学校计算机科学与技术系	37	41	3.0	5.0
2	王果	河南机电高等专科学校计算机科学与技术系	29	53	4.0	5.0