

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、現(xiàn)代社會網(wǎng)絡(luò)在信息化社會中具有越來越重要的作用。通過互聯(lián)網(wǎng)可以進行高效率的通信與溝通,這些技術(shù)的使用與推廣提高了人們的生活質(zhì)量,同時也促使了諸如數(shù)學、信息學等科學領(lǐng)域的進一步發(fā)展。伴隨越來越多基站建設(shè),網(wǎng)絡(luò)網(wǎng)點的提供,網(wǎng)絡(luò)規(guī)模與日俱增,這同時促使網(wǎng)絡(luò)環(huán)境變得更加復(fù)雜。對于網(wǎng)絡(luò)流量的模型、特征、可靠性等研究有著越來越高的需求,研究結(jié)果將有益于網(wǎng)絡(luò)工程、網(wǎng)絡(luò)安全、網(wǎng)絡(luò)服務(wù)等應(yīng)用領(lǐng)域的各類問題。本文針對網(wǎng)絡(luò)流量特性基于優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的混合模
2、型方法對網(wǎng)絡(luò)流量進行了分析。主要工作及貢獻可以總結(jié)如下:
a)對網(wǎng)絡(luò)流量數(shù)據(jù)集進行了研究,通過分析數(shù)據(jù)的混沌特性,驗證了網(wǎng)絡(luò)流量的混沌特性。
b)對時間序列預(yù)測方法進行了調(diào)研,研究了傳統(tǒng)時間序列分析、混沌時間序列分析的方法,并重點研究了自回歸滑動平均模型。該模型在網(wǎng)絡(luò)流量預(yù)測中存在一定缺陷,需要可靠性、精確性更高的預(yù)測模型。
c)通過對人工神經(jīng)網(wǎng)絡(luò)、小波變換理論和量子遺傳算法的研究,提出一種基于量子遺傳算法
3、高效的全局搜索能力之上的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法。該方法結(jié)合了小波變換對數(shù)據(jù)的處理,保留了人工神經(jīng)網(wǎng)絡(luò)良好的魯棒性和非線性處理能力,基于優(yōu)化神經(jīng)網(wǎng)絡(luò)對混合網(wǎng)絡(luò)流量進行預(yù)測,該預(yù)測模型被命名為量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型。
d)運用量子遺傳人工神經(jīng)網(wǎng)絡(luò)模型對網(wǎng)絡(luò)流量數(shù)據(jù)進行了單步、多步預(yù)測并對預(yù)測結(jié)果進行了評估。通過與自回歸滑動平均模型預(yù)測結(jié)果比較,驗證了新模型在自適應(yīng)性和準確率方面的優(yōu)越性。
綜上所述,本文所提出的量子遺傳人工神
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)流量預(yù)測算法研究.pdf
- 基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型研究.pdf
- 基于粒子群小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型研究.pdf
- 基于蟻群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)流量預(yù)測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的改進網(wǎng)絡(luò)流量預(yù)測算法的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的非線性網(wǎng)絡(luò)流量分析與預(yù)測.pdf
- 基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型.pdf
- 基于聯(lián)合神經(jīng)網(wǎng)絡(luò)的流量預(yù)測模型.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分類方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量識別算法研究.pdf
- 結(jié)合分形神經(jīng)網(wǎng)絡(luò)理論的網(wǎng)絡(luò)流量預(yù)測研究.pdf
- 網(wǎng)絡(luò)流量預(yù)測中基于群智能優(yōu)化的SVM模型.pdf
- 基于FARIMA模型的網(wǎng)絡(luò)流量建模與預(yù)測.pdf
- 基于PSO-BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測算法的研究與應(yīng)用.pdf
- 基于混合模式的網(wǎng)絡(luò)流量分類優(yōu)化.pdf
- 網(wǎng)絡(luò)流量組合預(yù)測模型的研究.pdf
- 網(wǎng)絡(luò)流量模型與流量預(yù)測技術(shù)研究.pdf
- 基于SVM的混合神經(jīng)網(wǎng)絡(luò)模型的構(gòu)造與實現(xiàn).pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)交通流量預(yù)測模型的研究.pdf
評論
0/150
提交評論