| 最优训练样本子集的LSSVM网络流量预测 |
| |
| 引用本文： | 张运涛,邢晨.最优训练样本子集的LSSVM网络流量预测[J].计算机应用与软件,2015(2):167-170. |
| |
| 作者姓名： | 张运涛 邢晨 |
| |
| 作者单位： | 浙江水利水电学院计算机与信息工程系 浙江 杭州 310018 |
| |
| 摘 要： | 训练样本选取对最小二乘支持向量机(LSSVM)的泛化能力有较大影响,为了提高网络流量预测精度,提出一种最优训练样本子集的LSSVM网络流量预测模型(IFCM-LSSVM)。首先采用密度方法识别和剔除网络流量数据中的孤立点,消除孤立点对模糊均值聚类(FCM)聚类结果的不利影响;然后采用FCM算法对处理后网络流量数据进行聚类,并根据预测点输入向量与聚类中心的最小距离选择最优训练集,加强训练集规律性,减少LSSVM对训练集的依赖性;最后采用非线性预测能力强的LSSVM对训练集进行学习建立网络流量预测模型,并采用仿真实验对模型性能测试。仿真结果表明,相对于对比模型,IFCM-LSSVM提高了网络流量的预测精度,加快了模型的训练速度,预测结果更加稳定、可靠。
|
| 关 键 词： | 网络流量 最小二乘支持向量机 模糊均值聚类 密度方法 预测精度 |
FORECASTING NETWORK TRAFFIC BY LEAST SQUARE SUPPORT VECTOR MACHINE WITH OPTIMAL TRAINING SAMPLE SUBSET |
| |
| Zhang Yuntao,Xing Chen.FORECASTING NETWORK TRAFFIC BY LEAST SQUARE SUPPORT VECTOR MACHINE WITH OPTIMAL TRAINING SAMPLE SUBSET[J].Computer Applications and Software,2015(2):167-170. |
| |
| Authors: | Zhang Yuntao Xing Chen |
| |
| Affiliation: | Zhang Yuntao;Xing Chen;Department of Computer and Information Engineering,Zhejiang University of Water Resources and Electric Power; |
| |
| Abstract: | |
| |
| Keywords: | Network traffic Least squares support vector machine Fuzzy c-means clustering Density method Forecast accuracy |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
