基于启发式算法的混沌支持向量机流量预测

摘要：

针对现有混沌支持向量机回归模型存在流量预测效率低下的问题,利用差分进化(DE)算法、遗传算法和粒子群优化算法确定模型的径向基核函数系数、惩罚系数、不敏感系数等参数,在此基础上建立改进的混沌支持向量机回归模型进行流量预测.实例表明,相比其他启发式算法,DE算法能以较高的效率搜索到混沌支持向量机回归模型的最优参数,并且该模型具有较高的预测精度.

关键词：网络流最预测、混沌支持向量机、差分进化算法、粒子群优化算法

所属期刊栏目：37

分类号：TP393(计算技术、计算机技术)

资助基金：陕西省自然科学基金资助项目20091M8001-1;国家综合业务网理论及关键技术重点实验室开放基金资助项目ISN-9-08

在线出版日期：2011-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：163-165