融合蚁群算法与支持向量机的网络流量预测
曾勍炜; 徐知海; 付爱英; 邓庚盛
南昌大学网络中心；
ZENG Qing-wei,XU Zhi-hai,FU Ai-ying,DENG Geng-sheng(Network Center,Nanchang University,Nanchang 330031,China)
摘要 网络流量的精确预测对控制网络拥塞有效控制有着重要意义。支持向量机是一种新的机器学习方法,能有效解决非线性、小样本及高维等问题。因为支持向量机的训练参数的取值与其预测能力有着较大关系,所以经常采用遗传算法选取训练参数。但是,遗传算法容易陷入局部极值,而蚁群算法
关键词 ：
预测技术 ,
支持向量机 ,
网络流量 ,
蚁群算法
Abstract ：Accurate prediction of network traffic is significant to control network congestion.Support vector machine is a new machine learning method,which can solve the problems with nonlinearity,small sample and higher dimension.Because the values of training par
Key words ：
support vector machine
ant colony optimization
network traffic
prediction technology；
出版日期: 2011-08-28
引用本文:
曾勍炜; 徐知海; 付爱英; 邓庚盛. 融合蚁群算法与支持向量机的网络流量预测[J]. 南昌大学学报（理科版）, 2011, 35(04): 1-.
链接本文:
http://qks.ncu.edu.cn/Jwk_xblxb/CN/ 或 http://qks.ncu.edu.cn/Jwk_xblxb/CN/Y2011/V35/I04/1
[1]
赖清衷卫声熊鹏文黄嘉诚任倩茹. 基于BP神经网络与多分类支持向量机的水质识别与分类
[2]
饶泓； 陈慧佳； 董晓睿. 基于三元矩阵的层次分析多分类模型
[3]
沈渊彬； 刘庆珍； 李友军； 苏申. 基于模糊组合权重的BA-SVM短期负荷预测
[4]
陆荣秀；杨辉；欧阳超明；朱璐闻； . 基于PCA-LS_SVM的镨\钕萃取过程元素组分含量预测
[5]
梁声灼；谢文修；李芒； . 一种改进的1-v-1 SVM多类分类算法
[6]
胡从立；陈金平；徐敏； . 基于改进蚁群算法的含分布式电源的配电网重构
[7]
姜海燕； 杜民. 基于最小二乘支持向量机的纳米金免疫层析试条快速定量
[8]
林苏斌； 陈为. 基于支持向量机的热电偶高频磁场环境测温误差校正
[9]
徐敏； 袁建洲； 刘四新； 郭含. 基于支持向量机的短期风电功率预测
[10]
白似雪; 黄美玲. 一种改进的求解多目标优化问题的蚁群算法
[11]
白似雪; 刘华斌. 基于页面分块模型的PageRank算法研究
[12]
. 南昌大学学报(理科版)2007年总目次
[13]
富坤; 富成科; 汪友华; 杨晓光. 基于支持向量机对种群特征回归分析的自适应遗传算法
[14]
刘显贵; 谢云敏; 陈无畏. 一种基于核主元分析的支持向量机识别方法
[15]
周博韬; 李安贵. 最小二乘支持向量机的一种改进算法
2011, Vol. 35 