基于相空间重构的KPCA-HS-RVM网络流量预测模型  

作　　者：熊文真[1] 周娟[1] 

机构地区：[1]信阳职业技术学院数学与计算机科学学院,河南信阳464000

出　　处：《荆楚理工学院学报》2016年第6期35-42,共8页Journal of Jingchu University of Technology

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。

关 键 词：网络流量 和声搜索算法 KPCA RVM 核参数 相空间重构 

分 类 号：TP393.06[自动化与计算机技术—计算机应用技术]