10.3969/j.issn.1000-386X.2008.12.013
一种优化的RBF神经网络模型用于网络流量预测
采用径向基RBF神经网络对网络流量数据的时间序列进行建模与预测.采用传统的学习算法对RBF网络训练时,对网络流量数据容易出现过拟合现象,提出了自适应量子粒子群优化AQPSO算法,用于训练RBF神经网络的基函数中心和宽度,并结合最小二乘法计算网络权值,改善了RBF神经网络的泛化能力.实验结果表明,采用AQPSO算法获得的RBF神经网络模型具有泛化能力强、稳定性良好的特点,在网络流量预测中有一定的实用价值.
径向基函数、量子粒子群优化、神经网络、网络流量预测
25
TP1;TP2
国家自然科学基金项目60675011
2009-03-11（万方平台首次上网日期，不代表论文的发表时间）
共4页
33-35,45
