基于灰色神经网络模型的网络流量预测算法研究的综述报告_第1页
基于灰色神经网络模型的网络流量预测算法研究的综述报告_第2页
基于灰色神经网络模型的网络流量预测算法研究的综述报告_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于灰色神经网络模型的网络流量预测算法研究的综述报告随着互联网的迅猛发展，网络流量的规模和复杂度不断增加，网络流量预测成为网络管理和优化中的一个重要研究方向。网络流量预测可以帮助网络管理员及时发现网络异常，对网络进行调整和优化，以保障网络的正常运行。近年来，基于灰色神经网络(GNG)模型的网络流量预测算法成为研究热点，在网络流量预测中发挥了重要作用。本文将综述基于GNG模型的网络流量预测算法的研究现状，并对未来的研究方向进行展望。一、GNG模型简介GNG模型是一种结合了灰色系统理论和神经网络理论的预测模型，由灰色预测模型和BP神经网络模型组成。灰色预测模型是一种建立在动态特征数据的基础上的一种预测方法，主要用于处理缺少数据、具有不确定性和复杂性的问题。BP神经网络模型是目前较为成熟的一种人工神经网络模型，具有强大的学习和适应能力。二、基于GNG模型的网络流量预测算法研究现状1.GNG-BP算法GNG-BP算法是一种基于GNG模型的网络流量预测算法，主要是通过GNG模型对网络流量进行预处理，然后采用BP神经网络对预处理后的数据进行训练和预测。该算法对网络流量的预测精度较高，但是预测速度较慢。2.GNG-RBF算法GNG-RBF算法是一种基于GNG模型和径向基(RBF)神经网络的网络流量预测方法，主要是通过GNG模型对网络流量进行预处理，然后使用RBF神经网络对预处理数据进行训练和预测。该算法提高了预测速度，并保持了较高的预测精度。3.GNG-SVR算法GNG-SVR算法是一种基于GNG模型和支持向量回归(SVR)的网络流量预测算法，主要是通过GNG模型将网络流量进行预处理，然后使用SVR模型进行训练和预测。该算法在预测精度上有一定的优势，但是预测速度是一个问题。4.GNG-LSSVM算法GNG-LSSVM算法是一种基于GNG模型和改进的支持向量回归(LSSVM)的网络流量预测算法，主要是通过GNG模型对网络流量进行预处理，然后使用LSSVM模型进行训练和预测。该算法在预测精度上具有明显的优势，并且预测速度也有所提高。三、未来发展方向1.GNG模型与深度学习模型的结合GNG模型通过灰色理论和神经网络理论的融合，可以更好地处理大数据和不确定性问题，但其性能上限有限。未来研究可以尝试将GNG模型与深度学习模型相结合，以探索更加有效的网络流量预测算法。2.GNG模型的应用于大规模网络当前的网络流量预测算法往往是局限于小规模网络的，这是因为其处理大规模网络时复杂度较高。以网络拓扑结构为基础，结合GNG模型和分布式计算技术的设计方法可以有效地解决这个问题。3.研究GNG模型的自适应方法灰色理论中存在固有的前提假设，即预测的系统应为线性系统，不适合处理复杂系统的非线性特性。因此，研究GNG模型的自适应方法，可以拓宽其适用范围，提高其预测精度。综上所述，基于GNG模型的网络流量预测算法具有一定

人人文库> 全部分类> 毕业设计 > 开题报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论