认知网络中基于蚁群算法的网络流量预测模型

作     者：李丹丹 张润彤 王传臣 肖东坡 LI Dan-dan;ZHANG Run-tong;WANG Chuan-chen;XIAO Dong-po

作者机构：北京交通大学信息系统研究所北京100044 

基　　金：中央高校基本科研业务费专项资金(No.2009YJS034) 国家自然科学基金(No.60773033) 国家863高技术研究发展计划(No.2009AA01Z211) 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2011年第39卷第10期

页      码：2245-2250页

摘      要：认知网络能够感知外部环境,并能根据周围环境的变化智能、自主、自适应的动态变化,这种特性更适合为用户提供QoS(Quality of Service)保障.设计高精度的流量预测模型,可以提高认知网络的认知特性.本文针对原有预测模型预测精度低、对训练数据依赖程度高以及不能很好的刻画网络流量特征的不足,提出了一个混合的流量预测模型.它使用蚁群算法训练BP网络的权值,避免了梯度下降法收敛速度慢、容易陷入局部最优的问题.并且在预测之前,首先使用BP(Back Propagation)网络剔除原始数据中的异常数据信号,再对其进行小波分解,最后使用混合模型预测网络流量,实现了认知网络中高精度的流量预测.

主 题 词：认知网络 网络流量预测 神经网络 蚁群算法 小波 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203101098...