文献类型：期刊文章

作　　者：田海梅[1] 黄楠[2]

机构地区：[1]金陵科技学院信息技术学院,南京211169 [2]新乡学院计算机与信息工程学院,河南新乡453000

出　　处：《计算机工程与应用》

基　　金：金陵科技学院博士启动基金(No.JIT-B-01);金陵科技学院自然科学基金(No.208.40410826)

年　　份：2014

卷　　号：50

期　　号：1

起止页码：91-95

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：为了提高了网络流量的预测精度,提出一种蚁群算法(ACO)优化最小二乘支持向量机(LSSVM)参数的网络流量预测算法(ACO-LSSVM)。将LSSVM算法参数作为蚂蚁的位置向量,采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,并在最优蚂蚁邻域内进行小步长局部搜索,找到算法的最优参数,建立了基于ACO-LSSVM的网络流量预测模型。仿真结果表明,相对其他网络流量预测算法,ACO-LSSVM算法提高了网络流量预测精度,更能准确地描述网络流量变化规律。

关 键 词：网络流量 蚁群优化算法 最小二乘支持向量机 预测  Least  SQUARE Support  Vector  Machine(LSSVM)  

分 类 号：TP273]