基于加权支持向量回归的网络流量预测

网络流量预测对于网络的安全和可用性至关重要,但是,传统的网络流量预测方法使用平均时间加权的方法进行预测,缺泛化能力导致预测精度低。基于每一个网络流量历史数据到预测点的时间间隔计算其时间权重,使用带时间权重的加权支持向量回归模型w-SVR预测网络流量。该模型因为其泛化能力和为每个训练数据设置单独的权重而提高了网络流量预测的准确性。模拟实验显示w-SVR模型相对于ANN和AR模型,预测错误率分别降低了37.4%和65.6%,而标准误差降低了46.2%和53.3%。     

校园网的路由策略选择及实现

校园网出口带宽不足已成为众多高校面临的严重问题，为了解决问题，我们提出了增加一条接入链路和一台路由器的方案，利用基于策略路由、静态路由选择和网络地址翻译（NAT）等技术，有效解决了网络瓶颈问题，在合理利用现有CERNET网络资源的同时，还可使用当地网络服务提供商（ISP）提供的带宽高速安全地上网。