小时间尺度网络流量混沌性分析及趋势预测

温祥西; 孟相如; 马志强; 张永春

doi:10.3969/j.issn.0372-2112.2012.08.018

您当前的位置：

首页 >

文章列表页 >

小时间尺度网络流量混沌性分析及趋势预测

学术论文 | 更新时间：2025-07-08

- 小时间尺度网络流量混沌性分析及趋势预测
- The Chaotic Analysis and Trend Prediction on Small-Time Scale Network Traffic
- 电子学报 2012年40卷第8期页码：1609-1616
- 作者机构：
  
  1. 空军工程大学信息与导航学院,陕西,西安,710077
  2. 装甲兵学院,安徽,蚌埠,233050
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61003252);全军军事学研究生课题 (No.2011JY002-524);空军工程大学研究生创新基金 (No.201105)
- DOI：10.3969/j.issn.0372-2112.2012.08.018
  中图分类号： TP393
- 纸质出版：2012
- 稿件说明：
移动端阅览
温祥西, 孟相如, 马志强, 等. 小时间尺度网络流量混沌性分析及趋势预测[J]. 电子学报, 2012,40(8):1609-1616.

The Chaotic Analysis and Trend Prediction on Small-Time Scale Network Traffic[J]. Acta Electronica Sinica, 2012, 40(8): 1609-1616.
温祥西, 孟相如, 马志强, 等. 小时间尺度网络流量混沌性分析及趋势预测[J]. 电子学报, 2012,40(8):1609-1616. DOI： 10.3969/j.issn.0372-2112.2012.08.018.

The Chaotic Analysis and Trend Prediction on Small-Time Scale Network Traffic[J]. Acta Electronica Sinica, 2012, 40(8): 1609-1616. DOI： 10.3969/j.issn.0372-2112.2012.08.018.

摘要

小时间尺度的网络流量的混沌性被噪声掩盖难以预测

本文通过局部投影降噪得到可预测的混沌性流量趋势.针对网络流量存在的时变性和长周期性

提出一种最优样本子集在线模糊最小二乘支持向量机(Least Squares Support Vector Machine

LSSVM)预测方法:以与预测样本时间上以及欧式距离最近的样本点构成最优样本子集

并对其模糊化处理

最后采用模糊LSSVM训练获得预测模型.通过分块矩阵降低预测模型在线更新的运算复杂度.对真实网络流量的降噪以及预测的结果表明本文方法能够快速准确的预测网络流量趋势.

Abstract

The chaotic performance of small-time scale network traffic was covered by noise

which made the traffic unpredictable.This paper introduces the local projection to denosie network traffic;a chaotic and predictable traffic trend is obtained.As the network traffic series is long-period and time-varying

a new method named optimal training subset online fuzzy least squares support vector machines (OTSOF-LSSVM) is proposed.Samples temporal and distance nearest to prediction sample are chosen as optimal training subset

and the subset are fuzzified.On this basis

the prediction model is established by fuzzy LSSVM.The model update computational complexity is reduced by partitioned matrix calculation.The noise reduction and trend prediction on network traffic shows the proposed method can predict the trend quickly and exactly.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向时序异常检测的可变视距多向扫描方法

基于非平稳型流量队列模型的Internet流量测量研究