和声搜索算法优化支持向量机的网络流量预测

• 作者: 丁春莉 李林森
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 互联网 网络流量 混沌理论 和声搜索算法 参数选择
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 开发应用
• 页码范围: 67-70
• 页数: 4页
• 分类号: TP391
• 字数: 3159字
• 语种: 中文

摘要

网络流量受到外界因素作用,具有复杂的变化规律,为了改善了网络流量的预测效果,设计了和声搜索算法优化支持向量机的网络流量预测模型(HS-SVM).首先对当前网络流量预测研究现状进行深入分析,并指出了网络流量的混沌特性,然后采用混沌理论的相应方法确定网络流量的延迟时间和嵌入维数,并对原始网络流量数据进行重构,最后采用HS-SVM建立网络流量预测模型,并与当前其它网络流量预测模型进行了对照模拟测试.HS-SVM能够挖掘和分析网络流量的变化规律,网络流量预测结果要明显优于其它网络流量预测模型,测试结果验证了HS-SVM的可行性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁春莉		25	30	3.0	5.0
2	李林森		6	3	1.0	1.0