多子种群PSO优化SVM的网络流量预测

摘要：

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 Opti mization 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.

关键词： 计算机网络 流量预测 支持向量机 粒子群优化算法

作者: 曾伟

作者单位: 华东交通大学信息工程学院,江西南昌330013

会议类型: 国内会议

会议名称: 第七届中国可信计算与信息安全学术会议

会议地点: 秦皇岛

会议语种:中文

页码: 62-66

在线出版日期: 2013-09-01（万方平台首次上网日期，不代表论文的发表时间）