基于支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測和資源調(diào)度.pdf

1、隨著計算機(jī)和互聯(lián)網(wǎng)的持續(xù)高速發(fā)展，網(wǎng)絡(luò)在人們生活中扮演的角色也越來越重要，人們再也不能滿足于只簡單上網(wǎng)的需求，人們對上網(wǎng)的要求也越來越高。網(wǎng)絡(luò)擁塞、網(wǎng)絡(luò)故障、網(wǎng)絡(luò)安全等一系列的問題時刻困擾著我們，如何對系統(tǒng)中的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行測量、收集和預(yù)測已成為網(wǎng)絡(luò)系統(tǒng)運(yùn)行的主要難題之一。
　　據(jù)大量數(shù)據(jù)顯示，網(wǎng)絡(luò)是復(fù)雜的、多方因素影響的，網(wǎng)絡(luò)流量也必然呈現(xiàn)出高度自相似、時變性和非線性等特征，這注定傳統(tǒng)的預(yù)測方法無法做到高的準(zhǔn)確率。支持向量機(jī)是一種

2、機(jī)器學(xué)習(xí)方法，其求解速度快，且泛化能力強(qiáng)，故本文用支持向量機(jī)來進(jìn)行預(yù)測。
　　支持向量機(jī)可以根據(jù)現(xiàn)有的有限的樣本信息，在所建立的模型的復(fù)雜性和機(jī)器的學(xué)習(xí)能力間尋求一個平衡點(diǎn)，以得到最好的泛化能力，并創(chuàng)造性的將線性不可分的問題，通過核函數(shù)映射到高維空間，使之線性可分。
　　本文在對網(wǎng)絡(luò)流量準(zhǔn)確預(yù)測后，綜合預(yù)測了CPU使用率和內(nèi)存使用率的情況，為市區(qū)信訪件對接平臺設(shè)計了模糊控制器，該模糊控制器根據(jù)預(yù)測結(jié)果進(jìn)行資源調(diào)度，并在仿真平

3、臺上進(jìn)行了實(shí)驗(yàn)，取得了很好的效果。
　　本文的主要研究內(nèi)容如下:
　　1).研究支持向量機(jī)參數(shù)選擇的問題。參數(shù)的選擇在支持向量機(jī)建模期間有巨大的影響，參數(shù)的好壞直接影響著預(yù)測精度的高低。在研究生學(xué)習(xí)期間，本人關(guān)注了各種新型的算法，并創(chuàng)新性的將布谷鳥搜索算法應(yīng)用于支持向量機(jī)的參數(shù)選擇過程中。實(shí)驗(yàn)對比了現(xiàn)有的算法，如遺傳算法和粒子群算法，布谷鳥搜索算法明顯提高了SVM的效率和結(jié)果準(zhǔn)確率。
　　2).根據(jù)記錄的網(wǎng)絡(luò)帶寬、CP