电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2011年
10期
2245-2250
,共6页
李丹丹%张润彤%王传臣%肖东坡
李丹丹%張潤彤%王傳臣%肖東坡
리단단%장윤동%왕전신%초동파
认知网络%网络流量预测%神经网络%蚁群算法%小波
認知網絡%網絡流量預測%神經網絡%蟻群算法%小波
인지망락%망락류량예측%신경망락%의군산법%소파
认知网络能够感知外部环境,并能根据周围环境的变化智能、自主、自适应的动态变化,这种特性更适合为用户提供QoS(Quality of Service)保障.设计高精度的流量预测模型,可以提高认知网络的认知特性.本文针对原有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的不足,提出了一个混合的流量预测模型.它使用蚁群算法训练BP网络的权值,避免了梯度下降法收敛速度慢、容易陷入局部最优的问题.并且在预测之前,首先使用BP( Back Propagation)网络剔除原始数据中的异常数据信号,再对其进行小波分解,最后使用混合模型预测网络流量,实现了认知网络中高精度的流量预测.
認知網絡能夠感知外部環境,併能根據週圍環境的變化智能、自主、自適應的動態變化,這種特性更適閤為用戶提供QoS(Quality of Service)保障.設計高精度的流量預測模型,可以提高認知網絡的認知特性.本文針對原有預測模型預測精度低、對訓練數據依賴程度高以及不能很好的刻畫網絡流量特徵的不足,提齣瞭一箇混閤的流量預測模型.它使用蟻群算法訓練BP網絡的權值,避免瞭梯度下降法收斂速度慢、容易陷入跼部最優的問題.併且在預測之前,首先使用BP( Back Propagation)網絡剔除原始數據中的異常數據信號,再對其進行小波分解,最後使用混閤模型預測網絡流量,實現瞭認知網絡中高精度的流量預測.
인지망락능구감지외부배경,병능근거주위배경적변화지능、자주、자괄응적동태변화,저충특성경괄합위용호제공QoS(Quality of Service)보장.설계고정도적류량예측모형,가이제고인지망락적인지특성.본문침대원유예측모형예측정도저、대훈련수거의뢰정도고이급불능흔호적각화망락류량특정적불족,제출료일개혼합적류량예측모형.타사용의군산법훈련BP망락적권치,피면료제도하강법수렴속도만、용역함입국부최우적문제.병차재예측지전,수선사용BP( Back Propagation)망락척제원시수거중적이상수거신호,재대기진행소파분해,최후사용혼합모형예측망락류량,실현료인지망락중고정도적류량예측.
