|
|||||
|
|
| 基于相空间重构的网络流量RBF神经网络预测 | |
| 作者姓名： | 陆锦军 王执铨 |
| 作者单位： | 南京理工大学自动化学院,南京,210094,中国;南通职业大学现代教育技术中心,南通,226007,中国;南京理工大学自动化学院,南京,210094,中国 |
| 基金项目： | 国家自然科学基金;江苏省自然科学基金;高等学校博士学科点专项科研项目 |
| 摘 要： | 应用混沌理论,分析了网络流量,用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间,进而计算了实际网络的关维数和Lyapunov指数,并证实了网络流量存在混沌特性;据此建立了基于径向基函数（RBF）神经网络的模型,并对实际网络数据流进行了预测。仿真结果表明,相对于其他前馈神经网络预测,基于混沌理论的RBF神经网络预测方法学习速度快,预测精度高。 |
| 关 键 词： | 混沌理论 重构相空间 Lyapunov指数 网络流量 RBF神经网络 |
| 收稿时间： | 2006-04-26 |
| 修稿时间： | 2006-10-01 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |