现代电子技术
現代電子技術
현대전자기술
MODERN ELECTRONICS TECHNIQUE
2015年
12期
23-24,28
,共3页
网络参数模型%支持向量机%灰色模型%参数优化
網絡參數模型%支持嚮量機%灰色模型%參數優化
망락삼수모형%지지향량궤%회색모형%삼수우화
network parameter model%support vector machine%grey model%parameter optimization
使用模糊层次分析法对支持向量机的两个参数进行寻优,并用寻找到的最优参数训练支持向量机,建立网络参数模型。首先使用模糊层次分析法对支持向量机两个参数进行寻优,然后用寻找到的最优参数训练支持向量机,最后建立预测模型,预测网络流量。实验结果表明,该方法不但可以较好地跟踪网络流量变化趋势,使网络流量的预测值与实际值非常接近,而且预测误差变化范围波动小,是一种有效且预测精度高的网络参数模型。
使用模糊層次分析法對支持嚮量機的兩箇參數進行尋優,併用尋找到的最優參數訓練支持嚮量機,建立網絡參數模型。首先使用模糊層次分析法對支持嚮量機兩箇參數進行尋優,然後用尋找到的最優參數訓練支持嚮量機,最後建立預測模型,預測網絡流量。實驗結果錶明,該方法不但可以較好地跟蹤網絡流量變化趨勢,使網絡流量的預測值與實際值非常接近,而且預測誤差變化範圍波動小,是一種有效且預測精度高的網絡參數模型。
사용모호층차분석법대지지향량궤적량개삼수진행심우,병용심조도적최우삼수훈련지지향량궤,건립망락삼수모형。수선사용모호층차분석법대지지향량궤량개삼수진행심우,연후용심조도적최우삼수훈련지지향량궤,최후건립예측모형,예측망락류량。실험결과표명,해방법불단가이교호지근종망락류량변화추세,사망락류량적예측치여실제치비상접근,이차예측오차변화범위파동소,시일충유효차예측정도고적망락삼수모형。
Two parameters of support vector machine (SVM) are optimized with fuzzy analytic hierarchy process,with which SVM is trained to establish the network parameter model and predict the network flow. The experimental results show that the method can track the trend of network traffic and make the predicted value of the network traffic is close to the actual value. The range fluctuation of its prediction error is small,so it is an effective network parameter model with high prediction accuracy.