江西省教育厅科学技术研究项目(GJJ12686)
- 作品数：1 被引量：4H指数：1
- 相关作者：曾伟更多>>
- 相关机构：华东交通大学更多>>
- 发文基金：江西省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 多子种群PSO优化SVM的网络流量预测被引量：4
- 2013年
- 针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种"多子种群"机制的粒子群算法和支持向量机的网络流量预测模型(Multi-Subpopulation Particle Swarm Optimization and Support Vector Machine,MSPSO-SVM).首先支持向量机(Support Vector Machine,SVM)参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入"多子种群"机制,解决粒子群优化(Particle Swarm Optimization,PSO)算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.
- 曾伟
- 关键词：网络流量最小二乘支持向量机粒子群优化算法
