文献类型：期刊文章

作　　者：赵莉[1]

Zhao Li(College of Information Engineering,Xinyang Agriculture and Forestry University,Xinyang 464000,China)

机构地区：[1]信阳农林学院信息工程学院,河南信阳464000

出　　处：《南京理工大学学报》

基　　金：河南省重点研发与推广专项项目(182102210131);河南省高等教育教学改革研究与实践项目(2017SJGLX389);河南省政府决策研究招标课题(2018B145)

年　　份：2018

卷　　号：42

期　　号：6

起止页码：687-692

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为了准确描述云计算资源负载的动态变化趋势,设计了云计算资源负载预测模型。采用混沌分析算法对云计算资源负载的时间序列进行处理,构建云计算资源负载预测的学习样本。采用支持向量机(SVM)建立云计算资源负载的预测模型,并设计了组合核函数,以提高SVM的学习能力。选择灰色模型、反向传播(BP)神经网络、径向基函数(RBF)神经网络、RBF核函数的支持向量机进行云计算资源负载预测的仿真对比实验。结果表明,对单步云计算资源负载预测时,该文模型的预测精度为94.85%,仅低于灰色模型的95.85%;对多步云计算资源负载预测时,该文模型的预测精度最高,为89.17%。

关 键 词：支持向量机 云计算 资源  负载预测  混沌分析算法  组合核函数

分 类 号：TP391]