基于ELM-LSSVM的网络流量预测

• 作者: 陈鸿星
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 网络流量 极限学习机 最小二乘支持向量机 相空间重构
• 年，卷（期）: 2015,（24）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 73-77
• 页数: 5页
• 分类号: TP391
• 字数: 2950字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1312-0119

摘要

为了对网络流量进行准确预测,针对传统极限学习机的"过拟合"不足,提出一种极限学习机和最小二乘支持向量机相融合的网络流量预测模型(ELM-LSSVM).该模型通过相空间重构获得网络流量的学习样本,引入最小二乘支持向量机对极限学习进行改进,并对网络流量训练集进行学习,采用仿真实验对模型性能进行测试.结果表明,ELM-LSSVM提高了网络流量的预测精度,实现了网络流量准确预测,并具有较强的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈鸿星	江西师范大学数学与信息科学学院	14	55	6.0	6.0