电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2006年
2期
210-213
,共4页
VBR视频通信量%支持向量机%结构风险
VBR視頻通信量%支持嚮量機%結構風險
VBR시빈통신량%지지향량궤%결구풍험
VBR(Variable Bit Rate)视频信号具有时变性、非线性和突发性等特点,实现该信号通信量的高精度预测是提高信息传输速度和提高网络带宽资源利用效率的重要手段.针对以上问题,本文提出了一种用于VBR视频通信量预测的差分输入支持向量机(SVM:Support Vector Machine)网络模型.该网络模型采用结构风险最小化准则,在最小化经验风险的同时,尽量缩小模型预测误差的上界,从而使网络模型具有更好的推广能力.实验结果表明:支持向量机网络模型的预测误差为0.0018,而梯度径向基函数(Gradient Radial Basis Function:GRBF)神经网络模型的预测误差为0.0029.可以看出,支持向量机网络模型的预测精度要比GRBF网络模型的预测精度高出大约40%.
VBR(Variable Bit Rate)視頻信號具有時變性、非線性和突髮性等特點,實現該信號通信量的高精度預測是提高信息傳輸速度和提高網絡帶寬資源利用效率的重要手段.針對以上問題,本文提齣瞭一種用于VBR視頻通信量預測的差分輸入支持嚮量機(SVM:Support Vector Machine)網絡模型.該網絡模型採用結構風險最小化準則,在最小化經驗風險的同時,儘量縮小模型預測誤差的上界,從而使網絡模型具有更好的推廣能力.實驗結果錶明:支持嚮量機網絡模型的預測誤差為0.0018,而梯度徑嚮基函數(Gradient Radial Basis Function:GRBF)神經網絡模型的預測誤差為0.0029.可以看齣,支持嚮量機網絡模型的預測精度要比GRBF網絡模型的預測精度高齣大約40%.
VBR(Variable Bit Rate)시빈신호구유시변성、비선성화돌발성등특점,실현해신호통신량적고정도예측시제고신식전수속도화제고망락대관자원이용효솔적중요수단.침대이상문제,본문제출료일충용우VBR시빈통신량예측적차분수입지지향량궤(SVM:Support Vector Machine)망락모형.해망락모형채용결구풍험최소화준칙,재최소화경험풍험적동시,진량축소모형예측오차적상계,종이사망락모형구유경호적추엄능력.실험결과표명:지지향량궤망락모형적예측오차위0.0018,이제도경향기함수(Gradient Radial Basis Function:GRBF)신경망락모형적예측오차위0.0029.가이간출,지지향량궤망락모형적예측정도요비GRBF망락모형적예측정도고출대약40%.
