基于支持向量机的云计算资源负载预测模型

• 作者: 赵莉
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 云计算 资源 负载预测 混沌分析算法 组合核函数
• 年，卷（期）: 2018,（6）
• 页码范围: 687-692
• 页数: 6页
• 分类号: TP391
• 字数: 3203字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2018.42.06.008

摘要

为了准确描述云计算资源负载的动态变化趋势,设计了云计算资源负载预测模型.采用混沌分析算法对云计算资源负载的时间序列进行处理,构建云计算资源负载预测的学习样本.采用支持向量机(SVM)建立云计算资源负载的预测模型,并设计了组合核函数,以提高SVM的学习能力.选择灰色模型、 反向传播(BP)神经网络、径向基函数(RBF)神经网络、RBF核函数的支持向量机进行云计算资源负载预测的仿真对比实验.结果表明,对单步云计算资源负载预测时,该文模型的预测精度为94.85％,仅低于灰色模型的95.85％;对多步云计算资源负载预测时,该文模型的预测精度最高,为89.17％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵莉	信阳农林学院信息工程学院	32	119	6.0	9.0