10.3969/j.issn.1001-7119.2015.06.066
基于粒子群重采样的网络流量解卷积测度提取
网络并发式流量特征具有信号时间可预测性,通过对网络流量的解卷积测度特征提取,提高对网络流量的预测性能。传统法方法采用粒子群优化算法实现对网络流量的特征测度盲解卷积分析,对原始信号的统计信息提取效果不好。提出一种基于粒子群退化重采样的网络流量解卷积测度提取算法,构建并发式网络流量序列采集模型,设计粒子退化重采样技术,将每个粒子的当前适应度值与其自身的个体最优值进行比较,如果优于个体最优值,得到粒子当前最优位置。仿真实验表明,采用该算法,收敛速度很快,在粒子群进化50代以内就可以实现成功收敛,对流量序列的测度特征提取结果准确,预测精度较高,展示了算法的优越性能。
智能粒子群、采样、网络流量、测度
TP391(计算技术、计算机技术)
北京市教育委员会基金资助项KM201000002003。
2015-07-16(万方平台首次上网日期,不代表论文的发表时间)
共3页
196-198