版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、近年來網(wǎng)絡(luò)通信技術(shù)飛速發(fā)展,網(wǎng)絡(luò)開始承載越來越多的應用服務(wù),這對網(wǎng)絡(luò)的服務(wù)質(zhì)量、流量控制和網(wǎng)絡(luò)管理均提出了很高的要求。網(wǎng)絡(luò)流量的分析與預測對于大規(guī)模網(wǎng)絡(luò)容量規(guī)劃、網(wǎng)絡(luò)設(shè)備設(shè)計、網(wǎng)絡(luò)資源管理及用戶行為調(diào)節(jié)等都有積極意義,高質(zhì)量的網(wǎng)絡(luò)流量預測越來越顯得重要和迫切。本文以流量特性分析為出發(fā)點,對網(wǎng)絡(luò)流量的特征模型及其預測方法進行相關(guān)研究。論文的主要工作歸納如下:
1.分析并綜合討論了獲取真實網(wǎng)絡(luò)流量的途徑,探討了樣本中異常數(shù)據(jù)的
2、預處理問題,為網(wǎng)絡(luò)流量預測模型的建立提供可靠依據(jù)。
2.對真實的網(wǎng)絡(luò)流量的突發(fā)性、長相關(guān)、周期性和混沌性等特性進行分析,在此基礎(chǔ)上對現(xiàn)有的網(wǎng)絡(luò)流量預測模型進行總結(jié),對比分析了各預測模型的優(yōu)勢和不足。針對網(wǎng)絡(luò)流量的復雜特性,利用小波變換對網(wǎng)絡(luò)流量進行處理,提取出網(wǎng)絡(luò)流量的不同特性,以便分別建模。
3.針對量子粒子群優(yōu)化算法(Quantum-Behaved Particle Swarm Optimization,
3、QPSO)在處理復雜多極值問題時易陷入局部最優(yōu),收斂速度慢和精度低的缺陷,提出一種極值擾動和混沌搜索相結(jié)合的量子粒子群優(yōu)化算法(Quantum-Behaved Particle Swarm Optimizationwith Extremum Disturbance and Chaotic Searching,DCQPSO)。利用極值擾動來幫助粒子快速跳出局部最優(yōu),利用混沌搜索來增強粒子群的局部搜索能力。實驗結(jié)果表明,DCQPSO在擺脫局
4、部最優(yōu)的能力、收斂速度和精度上都大大優(yōu)于基本QPSO。然后利用DCQPSO來優(yōu)選支持向量機(Support Vector Machine,SVM)參數(shù),仿真示例驗證了DCQPSO在優(yōu)選SVM參數(shù)的可行性和有效性。
4.針對網(wǎng)絡(luò)流量的復雜特性和現(xiàn)有模型的缺陷,提出一種基于小波變換和優(yōu)化的SVM的網(wǎng)絡(luò)流量預測模型(WaOSVM)。首先選擇合適的小波基和分解級數(shù)對網(wǎng)絡(luò)流量進行無抽取小波分解得到小波系數(shù)和尺度系數(shù),然后選取適當核函
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于蟻群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)流量預測模型研究.pdf
- 基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的混合網(wǎng)絡(luò)流量預測模型仿真與實現(xiàn).pdf
- 網(wǎng)絡(luò)流量組合預測模型的研究.pdf
- 基于FARIMA模型的網(wǎng)絡(luò)流量建模與預測.pdf
- 網(wǎng)絡(luò)流量預測模型系統(tǒng)的研究.pdf
- 基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預測模型研究.pdf
- 網(wǎng)絡(luò)流量模型與流量預測技術(shù)研究.pdf
- Internet網(wǎng)絡(luò)流量預測.pdf
- 網(wǎng)絡(luò)流量預測的研究.pdf
- 網(wǎng)絡(luò)流量分析與預測模型研究.pdf
- WSN環(huán)境中網(wǎng)絡(luò)流量預測模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)流量預測算法研究.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預測研究.pdf
- 網(wǎng)絡(luò)流量特性分析及預測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預測研究.pdf
- 基于粒子群小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預測模型研究.pdf
- IP網(wǎng)絡(luò)流量變權(quán)組合預測模型研究.pdf
- 基于小波技術(shù)和ARIMA模型的網(wǎng)絡(luò)流量預測研究.pdf
- 基于動態(tài)指數(shù)平滑模型預測Ad Hoc網(wǎng)絡(luò)流量的路由協(xié)議.pdf
- 網(wǎng)絡(luò)流量的混沌特性研究及網(wǎng)絡(luò)流量預測算法研究.pdf
評論
0/150
提交評論