高斯过程混合模型应用于网络流量预测研究

摘要：

精准的网络流量预测可以避免网络崩溃,保证网络的流畅度.将高斯过程混合(GPM)模型应用于网络流量的多模态预测.对两段不同地区的网络流量序列进行多模态分析,将之通过归一化和相空间重构后生成样本集并输入GPM模型.采用分类迭代学习算法,利用后验概率最大化和似然函数实现模型参数学习.将GPM模型与支持向量机(SVM)、核回归(KR)、最小最大概率机回归(MPMR)和高斯过程(GP)等模型比较.通过对比均方根误差(RMSE)和决定系数(R2)评价指标,GPM模型的预测准确度要优于其他四种模型.说明GPM模型能够很好应用于网络流量预测,可以为网络管理者分配网络资源提供参考.

关键词：网络流量、预测、高斯过程混合模型、多模态

所属期刊栏目：56

分类号：TM711(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;教育部春晖计划项目;河北省研究生创新资助项目

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：186-193