10.3969/j.issn.1000-386x.2015.06.043
复合协方差函数高斯回归的网络流量建模与预测
为了获得更优的网络流量预测结果,提出一种复合协方差函数高斯过程(GP)的网络流量预测模型。首先采用复合协方差函数构建 GP 模型,然后对网络流量训练集进行训练,找到协方差和均值函数的最优参数,最后建立网络流量预测模型,并与支持向量机、神经网络、传统高斯过程进行网络流量的单步和多步预测对比测试。结果表明,相对于对比模型,复合协方差函数 GP 模型更加能够辨识非线性的网络流量变化趋势,提高了网络流量的预测精确性,是一种有效的复杂网络流量变化预测方法。
网络流量、高斯过程、相空间重构、建模与预测
TP391(计算技术、计算机技术)
南省教育厅科学技术研究重点项目14B520017。
2015-07-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
174-177