文档介绍：的研究基于改进支持向量机的网络流量预测算法广东工业大学工学硕士学位论文桑兴华分类号:学校代号:墨垒指导教师姓名、职称:挞住副教援学科ㄒ或领域名称:让篡扭座旦撞盔粱ぬ迷三逶学号:密级:ぱ妒学生所属学院:论文答辩日期:窆
煳功篠:.’珿,甊.
摘要互联网是人类智慧的结晶,深刻影响着世界经济、政治、文化和社会的发展,促进了社会生产生活和信息传播的变革。我国互联网的应用不断普及,网络服务需求日益增多,新的业务需求和服务形式不断出现。同时,网民数量的急剧增加,使得网络行为日益复杂,大量的下载或者网络攻击行为经常使得网络瘫痪。互联网的急速发展对网络管理水平提出了很高的要求。要提高网络管理水平,就要求我们对网络服务的时延、带宽等网络性能有相应的管理能力,对网络流量的运行状况和行为特性有一个深入的了解。网络流量预测是网络管理的关键问题,网络流量预测的精确性,实时性,直接关系到网络管理的效率和性能。正是由于网络流量预测在的网络管理中的这种重要地位,越来越多的研究者转向网络流量预测领域的研究。本文针对当前主流网络流量算法的缺陷,设计出一个基于改进支持向量机的网络流量预测算法,并且在平台进行了实例测试。结果显示出其在网络流量预测方面比神经网络算法准确度更高,效果更好。论文的主要的研究成果如下:治隽送缌髁吭げ馍婕暗南喙啬谌荩ㄍ缌髁看嬖诘南咝蕴匦和非线性特性,网络流量预测的理论依据和流量数据的获取方法等。芙崃送缌髁吭げ馑惴ǖ难芯拷梗阅壳按嬖诘母髦植煌脑げ算法模型进行研究,分析其各自的缺陷所在,从理论上给出支持向量机算法在网络流量预测方面的优点和可行性。杓撇⑹迪至艘桓龌诟慕С窒蛄炕耐缌髁吭げ馑惴āU攵灾持向量机在参数寻优方面存在的问题,引入遗传算法来改进支持向量机算法模型,使其能够更加快速、更加准确地确定各个参数值。最后,利用真实的网络流量数据样本进行实例测试,通过与神经网络算法的预测性能进行对比,证明了本文所提出的改进算法具有一定的优越性。关键词:支持向量机;遗传算法;网络流量预测摘要‘
畂.,,.瑃,琣,广东工业大学硕士学位论文,琧甀,琲,..琲..痵甇琽琽甐,.瓵琻.
籫簄
目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.选题背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.课题研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。论文组织架构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第二章网络流量预测的相关问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..网络流量的特性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.网络流量预测的特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.网络流量数据的获取方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.网络流量预测算法模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章神经网络预测算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一神经网络概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯神经网络算法存在的问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第四章支持向量机预测算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.支持向量机分类机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..驹怼广东工业大学硕士学位论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.
与神经网络算法的比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.支持向量机算法存在的问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...撕难≡⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第五章改进支持向量机算法的设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..遗传算法概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于遗传算法的改进支持向量机算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...≡瘛⒔⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..实验介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数据样本的选择与处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯