基于QPSO-LSSVM的网络通信负载状态识别系统设计

摘要：

基于PSO-LSSVM识别网络通信负载状态识别时,粒子群算法(PSO)容易陷入局部最优解,文中采用全局搜索性能优的量子粒子群算法(QPSO)与最小二乘支持向量机模型(LSSVM)结合设计网络通信负载状态识别系统.该系统硬件主要包括WinPcap数据采集模块、SPI通信接口电路、负载识别模块,WinPcap数据采集模块捕获、转换网络通信负载状态原始数据包存储在电子标签中,SPI通信接口电路负责P89LPC932与MF RC522的数据传输,负载识别模块的MF RC522读取电子标签中的网络状态数据,基于QPSO-LSSVM识别网络通信的负载状态;软件部分采用QPSO优化LSSVM,将最优粒子作为LSSVM的参数,构建最优LSSVM识别网络通信负载状态.仿真结果显示:该系统识别网络通信负载状态稳定性强、效率高,为监测网络通信负载状态提供一种可靠方式.

关键词：QPSO-LSSVM、网络通信、负载状态、状态识别、系统设计、实验分析

所属期刊栏目：42

分类号：TN711-34;TP872(基本电子电路)

资助基金：2018年四川省应用基础研究计划项目2018JY0523;2018年四川省教育厅科研项目18ZA0233

在线出版日期：2019-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：81-83,89