一种基于多标记学习的网络流量预测算法

摘要：

通过对网络流量的准确预测提高对网络的调控和监测水平，避免网络拥堵，确保网络畅通。传统的网络流量预测算法采用粒子群算法，在处理大规模的流量数据时，容易导致信息发散和易陷入局部极值点，流量预测准确度不高。提出一种基于多标记学习混合差分粒子群进化的网络流量预测算法。构建多分簇的无线网络流量数据传输模型，对网络流量进行时间序列分析，采用粒子群优化算法分别比较网络信息流中的频率波动是否相同，对相同的进行合并，基于自回归移动平均算法，进行粒子群信息链特征优选准则设计，采用多标记学习混合差分粒子群进化算法，把网络流量数据嵌入到内核空间的超球体中，进行离线阶段的网络流量预测优化。仿真结果表明，该算法对网络流量预测的精度较高，误差减少，具有较好的应用价值。

关键词：网络流量、预测、粒子群算法

所属期刊栏目：32

分类号：TP391.9(计算技术、计算机技术)

在线出版日期：2016-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：139-143