10.3969/j.issn.1000-386x.2014.09.026
基于B PS O-RB F神经网络的网络流量预测
为了提高网络流量的预测精度,针对网络的时变性和混沌性,提出一种反向学习粒子群优化神经网络的网络流量预测模型(BPSO-RBFNN)。首先将网络流量样本输入到RBF神经网络进行学习,采用引入反向学习机制的粒子群算法优化参数,然后建立网络流量预测模型,最后采用仿真实验对模型性能进行分析。结果表明,BPSO-RBFNN可以描述网络流量的时变性、混沌性变化趋势,网络流量预测精度得以提高,具有较好的实际应用价值。
网络流量、神经网络、参数优化、预测模型、反向粒子群算法
TP393(计算技术、计算机技术)
国家自然科学基金项目60874070;广东省教育厅项目2010tjk446
2014-10-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
102-105