原文服务方: 计算机应用研究       
摘要:
为了提高复杂多变的网络流量预测精度,提出了一种基于仿射传播聚类算法和稀疏贝叶斯的网络流量预测模型。采用仿射传播聚类算法对网络流量训练集进行聚类,从而将网络流量训练集划分为若干个子类,然后采用稀疏贝叶斯回归为每个子类建立相应的预测模型,最后采用具体的网络流量数据对模型的性能进行测试。实验结果表明,模型可以获得比较理想的网络流量预测结果,预测误差可以满足网络流量的实际应用要求。
推荐文章
基于仿射传播的有向网络聚类算法
网络聚类
有向网络
仿射传播
SimRank
融合小波变换与贝叶斯LS-SVM的网络流量预测
网络流量预测
小波变换
支持向量机
最小二乘支持向量机
贝叶斯框架
采用仿射传播的聚类集成算法
仿射传播
加权集成
K均值聚类
Hungarian算法
仿射传播算法在图像聚类应用中的实现与分析
仿射传播算法
图像聚类
相似度距离
灰度共生矩阵
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 仿射传播聚类算法和稀疏贝叶斯的网络流量预测模型
来源期刊 计算机应用研究 学科
关键词 网络流量 仿射传播 稀疏贝叶斯模型 组合预测
年,卷(期) 2015,(11) 所属期刊栏目 网络与通信技术
研究方向 页码范围 3371-3374
页数 4页 分类号 TP393.06
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2015.11.040
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 李存华 淮海工学院计算机工程学院 95 723 15.0 22.0
2 赵启升 淮海工学院计算机工程学院 20 88 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (70)
共引文献  (208)
参考文献  (14)
节点文献
引证文献  (2)
同被引文献  (23)
二级引证文献  (4)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(15)
  • 参考文献(0)
  • 二级参考文献(15)
2007(7)
  • 参考文献(2)
  • 二级参考文献(5)
2008(9)
  • 参考文献(1)
  • 二级参考文献(8)
2009(6)
  • 参考文献(4)
  • 二级参考文献(2)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
网络流量
仿射传播
稀疏贝叶斯模型
组合预测
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导