|
|||||
|
|
| 基于启发式算法的混沌支持向量机流量预测 | |
| 引用本文： | 李啸辰,罗贇骞,智英建,张玉林.基于启发式算法的混沌支持向量机流量预测[J].计算机工程,2011,37(13):163-165. |
| 作者姓名： | 李啸辰 罗贇骞 智英建 张玉林 |
| 作者单位： | 1. 空军总医院计算机中心,北京,100142 2. 中国人民解放军95865部队,北京,102218;空军工程大学电讯工程学院,西安,710077 3. 空军工程大学电讯工程学院,西安,710077 4. 中国人民解放军95865部队,北京,102218 |
| 基金项目： | 陕西省自然科学基金资助项目，国家综合业务网理论及关键技术重点实验室开放基金资助项目 |
| 摘 要： | 针对现有混沌支持向量机回归模型存在流量预测效率低下的问题，利用差分进化(DE)算法、遗传算法和粒子群优化算法确定模型的径向基核函数系数、惩罚系数、不敏感系数等参数，在此基础上建立改进的混沌支持向量机回归模型进行流量预测。实例表明，相比其他启发式算法，DE算法能以较高的效率搜索到混沌支持向量机回归模型的最优参数，并且该模型具有较高的预测精度。 |
| 关 键 词： | 网络流量预测 混沌支持向量机 差分进化算法 粒子群优化算法 |
| 收稿时间： | 2011-02-14 |
Chaos Support Vector Machine Traffic Prediction Based on Heuristic Algorithm |
|
| LI Xiao-chen,LUO Yun-qian,ZHI Ying-jian,ZHANG Yu-lin.Chaos Support Vector Machine Traffic Prediction Based on Heuristic Algorithm[J].Computer Engineering,2011,37(13):163-165. | |
| Authors: | LI Xiao-chen LUO Yun-qian ZHI Ying-jian ZHANG Yu-lin |
| Affiliation: | 1.Computer Center,General Hospital of Air Force,Beijing 100142,China;2.Army 95865 of PLA,Beijing 102218,China;3.Institute of Telecommunication Engineering,Air Force Engineering University,Xi’an 710077,China) |
| Abstract: | Aiming the problem of chaos Support Vector Machine（SVM） regression model has low efficiency traffic prediction,Differential Evolution（DE） algorithm,Genetic Algorithm（GA） and Particle Swarm Optimization（PSO） algorithm are applied for determining the model’s parameters which includes radial basis kernel function coefficient,punishment coefficient,insensitive coefficient,and builds the improved chaos SVM model to predict traffic.Example show that DE algorithm can significantly reduce the time for determining the model compared to another heuristic algorithms,and the model has higher prediction accuracy |
| Keywords: | network traffic prediction chaos Support Vector Machine（SVM） Differential Evolution（DE） algorithm Particle Swarm Optimization （PSO） algorithm |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程》浏览原始摘要信息 | |
| 点击此处可从《计算机工程》下载全文 | |