作者:熊文真; 周娟网络流量和声搜索算法kpcarvm核参数相空间重构
摘要:网络流量时间序列具有高维度、非线性和时变性等特征,针对传统时间序列模型预测精度较低的问题,提出了基于KPCA优化HS-RVM的网络流量预测模型:首先对网络流量时间序列进行相空间重构,寻找输入变量与输出变量对应关系,然后利用KPCA对网络流量样本进行核主成分特征提取,获取关键有效的信息,在此基础上,通过HS算法确定RVM的嵌入维数和核参数,最后利用超参数优化的RVM模型进行网络流量预测。为了交叉验证模型的性能,采用实际数据进行性能对比分析。结果表明,本模型性能优于HSSVM、RVM模型和GA-RVM模型,取得了良好的效果。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社