学位论文 > 优秀研究生学位论文题录展示

基于智能算法的网络流量预测技术研究

作　者: 冯华丽
导　师: 刘渊
学　校: 江南大学
专　业: 计算机软件与理论
关键词: 网络流量预测 小波包消噪 小波分析 神经网络 最小二乘支持向量机 粒子群算法 量子粒子群算法 小波变换
分类号: TP393.06
类　型: 硕士论文
年　份: 2011年
下　载: 125次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着Internet的迅猛发展和更多的计算机联入Internet,互联网环境日趋复杂。为了实现资源共享的最终目标,网络传输数据量日益扩增,随之而带来的问题、故障层出不穷,给网络管理工作带来了沉重的负担。因此深入理解网络的行为特性和控制机制显得尤为重要。通过对网络流量的预测,了解网络之间的流量情况,以至对网络流量进行比较精确的分析和预测,十分有利于网络的设计和控制;通过设置路由功能,设计负载均衡,可以尽可能使拥塞带来的信息延迟和损耗程度降之最低;而且可以对网络进行入侵检测,发掘和排斥隐藏的攻击入侵行为。因此网络流量预测的可行性和必要性显得尤为重要,特别是高质量的预测对于管理和设计大规模网络环境意义重大。本文研究的宗旨是为了提高网络流量的预测精度和稳定性,作者的工作是探索出新的网络预测模型。第一,全面叙述了网络流量预测的背景、意义以及研究现状,为后续的研究工作奠定了基础;第二,分析了网络流量的重要特性,包括自相似性、长相关性、多重分形特性等,这对掌握流量预测本质,对提高预测的精度有着重要的意义。第三,在理解网络流量特性的基础上,分析了几种传统的网络流量模型,这对于用智能算法构造流量预测模型有着重要的指导意义;第四,建立了基于小波包消噪和Elman网络的网络流量预测模型。针对传统Elman网络预测精度低,结合小波包消噪和Elman神经网络的优势,先将原始流量序列进行小波包消噪,将消噪后的序列作为Elman神经网络的输入,待预测序列作为输出。通过消噪后的前N天的流量序列,预测出后M天流量序列。第五,提出一种新的网络流量预测模型,基于小波分析和AR-LSSVM理论,首先通过小波分析的方法对原始序列进行小波分解,再进行单支重构操作,利用最小二乘支持向量机和自回归模型分别预测,最后再一次进行重构操作,最终实现原始序列的预测结果,提高了网络流量的预测精度以及稳定性。第六,建立了基于QPSO优化BP的网络流量预测模型。针对PSO算法的缺点,采用QPSO算法对BP神经网络的权值和阈值进行优化,并利用历史记录训练BP网络。

全文目录


摘要  3-4
Abstract  4-7
第一章 绪论  7-13
  1.1 研究背景及意义  7-8
  1.2 网络流量预测的研究现状  8-10
  1.3 本文的主要研究工作  10-11
  1.4 论文的组织结构  11-13
第二章 网络流量的特性  13-17
  2.1 自相似特性  13-14
  2.2 长相关特性  14-15
  2.3 多重分形特性  15
  本章小结  15-17
第三章 传统的网络流量模型  17-21
  3.1 ON/OFF 模型  17
  3.2 Poisson 模型  17-18
  3.3 ARMA 模型  18-20
  3.4 FBM 模型  20
  本章小结  20-21
第四章 基于小波包消噪和Elman 的网络流量预测研究  21-29
  4.1 小波包消噪的基本原理和步骤  21-22
    4.1.1 小波包消噪的基本原理  21-22
    4.1.2 信号的小波包消噪的基本步骤  22
  4.2 人工神经网络  22-24
    4.2.1 人工神经网络简介  22-23
    4.2.2 Elman 神经网络  23-24
  4.3 预测方法及其步骤  24
  4.4 仿真实验  24-27
  本章小结  27-29
第五章 基于小波分析和AR-LSSVM 的网络流量预测研究  29-39
  5.1 小波分析基本理论  29-32
    5.1.1 小波概念及几种常用小波  29-31
    5.1.2 小波变换分类  31
    5.1.3 多分辨分析  31
    5.1.4 小波分解与其单枝重构  31-32
  5.2 最小二乘支持向量机  32-33
  5.3 基于Mallat 算法的AR-LSSVM 预测方法  33-34
  5.4 试验结果与分析  34-38
    5.4.1 仿真实验  34
    5.4.2 结果分析  34-38
  本章小结  38-39
第六章 基于QPSO 训练BP 的网络流量预测研究  39-51
  6.1 BP 神经网络  39-42
    6.1.1 BP 算法原理  39-41
    6.1.2 BP 网络的设计  41
    6.1.3 BP 算法限制与不足  41-42
  6.2 粒子群(PSO)算法  42-45
    6.2.1 算法原理  42-43
    6.2.2 算法流程  43
    6.2.3 算法参数  43-44
    6.2.4 参数设置  44-45
    6.2.5 粒子群算法的缺陷  45
  6.3 量子粒子群(QPSO)算法  45-46
    6.3.1 算法理论  45-46
    6.3.2 算法描述  46
  6.4 预测方法及步骤  46-47
  6.5 仿真实验  47-48
  6.6 结果分析  48-50
  本章小结  50-51
第七章 总结与展望  51-53
  7.1 本文总结  51
  7.2 未来工作展望  51-53
致谢  53-54
参考文献  54-58
附录：作者在攻读硕士学位期间发表的论文  58

相似论文

  1. 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
  2. 图像的稀疏表示及编码模型研究,TP391.41
  3. 唇读中的特征提取、选择与融合,TP391.41
  4. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  5. 感觉刺激诱发脑电特征研究,R318.0
  6. 网络传输中的ROI图像编码算法研究,TN919.81
  7. 基于多尺度分析的图像融合算法研究,TP391.41
  8. 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
  9. 轮廓波变换及其在图像处理中的应用,TP391.41
  10. 基于小波的雷达视频压缩方法研究,TN957.52
  11. 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
  12. 一种多数据流聚类异常检测算法,TP311.13
  13. 基于图像的信息隐藏技术研究,TP309.7
  14. 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
  15. 结合DWT的动态数据校正研究及应用,TP274
  16. 基于小波变换和马尔可夫链的流量预测模型,TP393.06
  17. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  18. 基于离散小波变换的图像水印算法研究,TP309.7
  19. 脑部CT图像的压缩应用,TP391.41
  20. 一类工具加工痕迹的检验识别,TP391.41
  21. 基于燃烧音识别的火灾探测系统的研究与设计,X924.4

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络测试、运行
© 2012 www.xueweilunwen.com