高斯过程混合模型应用于网络流量预测研究

• 作者: 何静飞 周亚同 张世立 李松 池越
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 网络流量 预测 高斯过程混合模型 多模态
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 186-193
• 页数: 8页
• 分类号: TM711
• 字数: 4458字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1812-0278

摘要

精准的网络流量预测可以避免网络崩溃,保证网络的流畅度.将高斯过程混合(GPM)模型应用于网络流量的多模态预测.对两段不同地区的网络流量序列进行多模态分析,将之通过归一化和相空间重构后生成样本集并输入GPM模型.采用分类迭代学习算法,利用后验概率最大化和似然函数实现模型参数学习.将GPM模型与支持向量机(SVM)、核回归(KR)、最小最大概率机回归(MPMR)和高斯过程(GP)等模型比较.通过对比均方根误差(RMSE)和决定系数(R2)评价指标,GPM模型的预测准确度要优于其他四种模型.说明GPM模型能够很好应用于网络流量预测,可以为网络管理者分配网络资源提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	池越	河北工业大学电子信息工程学院	33	66	5.0	6.0
2	周亚同	河北工业大学电子信息工程学院	58	236	9.0	13.0
3	何静飞	河北工业大学电子信息工程学院	5	1	1.0	1.0
4	李松	河北工业大学电子信息工程学院	9	24	3.0	4.0
5	张世立	河北工业大学电子信息工程学院	1	0	0.0	0.0