基于四阶累积量自适应特征提取网络流量预测
2016-11-30周向军
西安工程大学学报 2016年4期
周向军
(广东省外语艺术职业学院 信息学院,广东 广州 510507)
基于四阶累积量自适应特征提取网络流量预测
周向军
(广东省外语艺术职业学院 信息学院,广东 广州 510507)
网络流量时间序列受到复杂背景信息干扰时,预测精度不高的问题,提出一种基于四阶累积量自适应特征提取的网络流量预测算法.构建网络流量数据传输结构模型,采用四阶累积量自适应特征提取方法,实现对流量准确预测估计.仿真结果表明,采用该算法进行流量预测,流量预测输出波束的指向性较好,对旁瓣干扰抑制效果较好,说明流量预测的抗干扰能力较强,预测精度高于传统方法.
四阶累积量;特征提取;网络流量;预测算法
0 引 言
随着计算机网络信息技术的发展,大量通信信息数据以文本、图片、音视频等形式在网络空间中进行信息传递和调度.网络终端用户在下载和上传这些通信数据中,会产生流量,流量是测量网络的带宽信息和数据饱和度的重要指标,也是网络信息传输的重要载体,通过对网络流量的准确预测和调度,能有效防止网络拥堵,实现对网络的实时监控,保障网络安全,因此,研究网络流量的准确预测算法具有重要意义,也受到人们的极大重视[1-3].
传统方法对网络流量时间序列预测和特征分析主要有基于统计网络流量时间序列处理的网络流量时间序列预测算法、基于时频特征提取的大型网络流量预测算法、基于分数阶傅里……
登录APP查看全文
