互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于改进的QPSO训练BP网络的网络流量预测


□ 王 鹏 刘 渊

  (江南大学 a.信息工程学院;b.数字媒体创意中心, 江苏 无锡 214122)
  摘 要:为了提高网络流量预测的精度,采用一种改进的QPSO算法训练BP神经网络对网络流量数据的时间序列进行建模预测。针对标准的QPSO算法不可避免地出现早熟的不足,提出一种新的基于参数自适应的QPSO算法,较好地避免了粒子群的早熟,提高了算法的全局收敛性能。仿真实验结果表明,与PSO训练的BP网络、QPSO训练的BP网络作为预测模型相比,该模型具有更高的预测精度及很好的稳定性。
  关键词:量子粒子群优化算法;粒子群优化算法;早熟;神经网络;网络流量预测
  中图分类号:TP39301 文献标志码:A
   文章编号:10013695(2009)01029903
  
  Network traffic prediction based on BP neural network trained by improved QPSO
  WANG Penga,LIU Yuana,b
  (a.School of Information Engineering,b.Digital Media Research Center, Jiangnan University, Wuxi Jiangsu 214122, China)
  Abstract:In order to improve the precision of the network traffic prediction,proposed the BP neural network(BPNN)trained by an optimized QPSO algorithm to model and predict the time series of network traffic data. Proposed a new adaptive parameter control method for QPSO to avoid the particle prematurely and improved the ability of global convergence. The experimental results prove that, compared with the model of BPNN trained by PSO, and BPNN trained by QPSO, this model is more efficient in network traffic prediction with higher precision and better stability.
  Key words:quantumbehaved particle swarm optimization (QPSO); particle swarm optimization (PSO); particle prematurity; neural network; network traffic prediction ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017