文件名称：基于改进极端学习机的网络流量预测 (2014年)
文件大小：1.2MB
文件格式：PDF
更新时间：2024-07-04 20:57:06
工程技术 论文
为了提高网络流量的预测精度，针对极端学习机的训练样本选择问题，提出一种改进极端学习机的网络流量预测模型（IELM）。根据最优延迟时间和嵌入维数对网络流量重构，建立网络学习样本，将学习样本输入到改进极端学习机进行训练，随新样本加入而逐步求解网络的权值，以提高学习速度，引入cholesky分解方法提高模型的泛化能力，采用具体网络流量数据进行了仿真测试。结果表明，IELM不仅可以获得较传统网络流量预测模型更高的精度，并且大幅度减少了计算时间，提高了建模效率，可以较好地满足网络流量预测要求。