基于支持向量機的網(wǎng)絡流量預測研究.pdf

1、從90年代初迅猛發(fā)展起來的Internet網(wǎng)，己經(jīng)迅速改變了人們的生活和傳統(tǒng)意義上的信息產(chǎn)業(yè)構架。隨著網(wǎng)絡應用和規(guī)模的不斷增加，網(wǎng)絡管理工作越來越繁重，網(wǎng)絡故障也頻頻出現(xiàn)，這對現(xiàn)在的網(wǎng)絡研究工作提出了新的任務和挑戰(zhàn)。網(wǎng)絡流量預測對大規(guī)模網(wǎng)絡管理、規(guī)劃、設計具有重要意義，高質(zhì)量的網(wǎng)絡流量預測越來越顯得重要和迫切。支持向量機是一類新型機器學習方法，具有求解速度快、泛化能力強等特點。論文主要研究工作如下： (1)研究了網(wǎng)絡流量數(shù)據(jù)特征

2、，包括大時間粒度和小時間粒度網(wǎng)絡流量特性，探討了樣本的選擇及預處理問題，為流量預測模型的建立提供了依據(jù)。 (2)研究了支持向量機模型選擇問題，選擇了適當?shù)暮撕瘮?shù)。核函數(shù)的選擇是構造支持向量機的關鍵，通過研究四類主要核函數(shù)及其主要特性，選擇了RBF核函數(shù)。 (3)探討了支持向量機參數(shù)選擇問題，通過實驗總結了一些規(guī)律。由于最小二乘支持向量機具有較快的求解速度，所以給交叉驗證法的使用帶來了方便。本文采用交叉驗證法進行參數(shù)的選取