该文针对传统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等不足,提出了一个混合的流量预测模型。该模型根据Kohonen神经网络的学习速率快、分类精度高、抗噪声能力强等特性,通过小波变换将网络流量分解为高频部分和低频部分,高频部分采用Kohonen神经网络进行预测,低频部分采用自回归AR模型进行预测,并采用Matlab进行仿真,通过实验得,这种组合预测模型可以提高对非线性、多时间尺度变化的网络流量的预测精度。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !