基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高网络流量的预测精度,利用相空间重构的两个关键参数-延迟时间(τ)和嵌入维(m)间的相互联系,提出一种延迟时间和嵌入维数联合优化的网络流量预测模型。该模型以最小二乘支持向量机作为网络流量预测算法,根据网络流量预测结果优劣评价指选择最优τ和m值,建立单步、多步网络流量预测模型,并通过仿真实验对模型的性能进行分析。结果表明,模型可以准确选择出最优嵌入维数和延迟时间,显著提高了网络流量的预测精度,预测结果明显优于独立优化τ和m以及传统联合优化τ和m的网络流量预测模型。
推荐文章
遗传算法优化延迟时间和嵌入维的网络流量预测
网络流量
相空间重构
遗传算法
嵌入维
延迟时间
CPSO算法优化神经网络重构的网络流量预测
网络流量
预测精度
相空间重构
神经网络
基于KPCA优化IHS-RVM的小时间尺度网络流量预测模型
小时间尺度
网络流量
改进和声搜索算法
KPCA
RVM
和声搜索算法优化支持向量机的网络流量预测
互联网
网络流量
混沌理论
和声搜索算法
参数选择
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 延迟时间和嵌入维数联合优化的网络流量预测
来源期刊 计算机工程与应用 学科 工学
关键词 网络流量预测 相空间重构 参数优化 最小二乘支持向量机 评价标准
年,卷(期) 2014,(4) 所属期刊栏目 网络、通信、安全
研究方向 页码范围 103-109
页数 7页 分类号 TP393
字数 4871字 语种 中文
DOI 10.3778/j.issn.1002-8331.1306-0273
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 叶刚 武汉大学计算机学院 15 122 6.0 10.0
2 张萌 武汉大学计算机学院 17 102 6.0 10.0
6 张沪寅 武汉大学计算机学院 61 517 12.0 20.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (54)
共引文献  (174)
参考文献  (12)
节点文献
引证文献  (15)
同被引文献  (53)
二级引证文献  (88)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(18)
  • 参考文献(0)
  • 二级参考文献(18)
2007(10)
  • 参考文献(2)
  • 二级参考文献(8)
2008(8)
  • 参考文献(4)
  • 二级参考文献(4)
2009(5)
  • 参考文献(4)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(8)
  • 引证文献(6)
  • 二级引证文献(2)
2016(44)
  • 引证文献(4)
  • 二级引证文献(40)
2017(22)
  • 引证文献(2)
  • 二级引证文献(20)
2018(14)
  • 引证文献(1)
  • 二级引证文献(13)
2019(14)
  • 引证文献(1)
  • 二级引证文献(13)
研究主题发展历程
节点文献
网络流量预测
相空间重构
参数优化
最小二乘支持向量机
评价标准
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导