基于KPCA优化IHS-RVM的小时间尺度网络流量预测模型

• 作者: 杨波
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 小时间尺度 网络流量 改进和声搜索算法 KPCA RVM
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 网络与通信
• 页码范围: 185-191
• 页数: 7页
• 分类号: TP274
• 字数: 4902字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.10.032

摘要

网络流量时间序列具有高维度、非线性和时变性等特征,针对传统时间序列模型预测精度较低的问题,提出基于KPCA(Kernel Principal Component Analysis)优化IHS-RVM的小时间尺度网络流量预测模型.首先对网络流量时间序列进行相空间重构,确定嵌入维数和延迟时间.然后利用KPCA对网络流量样本进行核主成分特征提取,降低嵌入维数,并获取核主元矩阵.在此基础上,通过改进HS(Harmony Search)算法(IHS)确定RVM核参数.最后利用参数优化的RVM模型进行小时间尺度网络流量预测.为了交叉验证模型的性能,采用实际数据进行性能对比分析.结果表明,本模型性能优于KPCA-IHS-ESN、KPCA-IHS-SVM和IHS-RVM模型,取得了良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨波	昆明理工大学质量发展研究院	118	716	15.0	21.0