×
张坤;胡，赵;甘晓婷;方建波

基于量子粒子群优化算法和模糊小波神经网络的网络流量预测模型。 （英语） Zbl 1418.68011号

离散动态。国家社会学。 2016，文章ID 4135056，第11页（2016）.
摘要：由于网络流量的波动受到各种因素的影响，准确预测网络流量被视为时间序列预测过程中的一项具有挑战性的任务。为此，本文提出了一种基于QPSO算法和模糊小波神经网络的网络流量预测方法。首先，介绍了量子粒子群优化算法（QPSO）。然后，给出了WFNN的结构和操作算法。采用QPSO算法对模糊小波神经网络的参数进行优化。最后，QPSO-FWNN可以成功地应用于网络流量仿真的预测，并对BP神经网络、RBF神经网络、模糊神经网络和FWNN-GA神经网络等不同预测模型的性能进行了评估。同时，QPSO-FWNN也具有更好的泛化能力，并且具有广泛的应用前景。

MSC公司：

68M10个 计算机系统中的网络设计与通信
62米10 统计学中的时间序列、自相关、回归等（GARCH）
62M20型 随机过程推断和预测
68平方米 计算机系统环境下的性能评估、排队和调度
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
PDF格式BibTeX公司 XML格式引用
\textit｛K.Zhang｝等人，离散Dyn。Nat.Soc.2016，文章ID 4135056，11 p.（2016；Zbl 1418.68011）
全文： 内政部

参考文献：

[1] Mahmassani，H.，《高级系统管理应用的动态网络流量分配和模拟方法》，《网络与空间经济学》，第1期，第3期，第267-292页（2001年）·doi:10.1023/a:1012831808926
[2] Nogueira，A。；萨尔瓦多，P。；Valadas，R.，网络流量的马尔科夫建模，网络性能工程。网络性能工程，计算机科学讲义，5233，98-124（2011），德国柏林：德国柏林施普林格·doi:10.1007/978-3-642-02742-05
[3] Chang，S.Y。；Wu，H.-C.，自回归滑动平均过程二阶统计量的新型快速计算算法，IEEE信号处理汇刊，57，2，526-535（2009）·Zbl 1391.94167号 ·doi:10.1109/tsp.2008.2008234
[4] Tan，M.-C。；Wong，S.C。；徐，J.-M。；关，Z.-R。；Zhang，P.，《短期交通流预测的聚合方法》，IEEE智能交通系统汇刊，10，1，60-69（2009）·doi:10.1109/tits.2008.2011693
[5] Shu，Y。；Z.Jin。；张，L。；Wang，L。；Yang，O.W.W.，使用FARIMA模型进行交通预测，IEEE国际通信会议论文集（ICC’99），IEEE·doi:10.1109/ICC.1999.765402
[6] 李，R。；Chen，J.-Y。；刘义杰。；Wang，Z.-K.，WPANFIS：将模糊神经网络与多分辨率相结合用于网络流量预测，中国邮电大学学报，17，4，88-93（2010）·doi:10.1016/s1005-8885（09）60493-3
[7] Zhao，K.，时间尺度上具有无限分布延迟和扩散项的BAM递归FNN的全局鲁棒指数同步，差分方程进展，2014，第317条（2014）·Zbl 1344.68195号 ·doi:10.186/1687-1847-2014-317
[8] 莱因，E.A。；Bilbro，G.L。；Lu，J.-C.，小波神经网络的局部学习，IEEE神经网络汇刊，13，2，304-319（2002）·数字对象标识代码：10.1109/72.991417
[9] Lin，D。；王，X。；年，F。；Zhang，Y.，不确定混沌系统的动态模糊神经网络建模和自适应反推跟踪控制，神经计算，73，16-18，2873-2881（2010）·doi:10.1016/j.neucom.2010.08.008
[10] 阿比耶夫·R·H。；Kaynak，O.，用于动态植物识别和控制的模糊小波神经网络——一种新型结构和比较研究，IEEE工业电子学报，55，8，3133-3140（2008）·doi:10.1109/tie.2008.924018
[11] 伊亚托米，H。；Hagiwara，M.，自适应模糊推理神经网络，模式识别，37/102049-2057（2004）·doi:10.1016/j.patcog.2004.04.003
[12] Lee，C.-H。；Teng，C.-C.，使用递归模糊神经网络识别和控制动态系统，IEEE模糊系统汇刊，8，4，349-366（2000）·数字对象标识代码：10.1109/91.868943
[13] 李伟（Li，W.）。；Hori，Y.，基于RBF神经网络的模糊规则提取算法，IEEE工业电子学报，53，4，1269-1276（2006）·doi:10.1109/TIE.2006.878305
[14] Venayagamoorthy，G.K.，基于回声状态网络的多机电力系统广域监测器的在线设计，神经网络，20，3，404-413（2007）·doi:10.1016/j.neunet.2007.04.021
[15] 方，W。；孙，J。；Xu，W.，用于数字IIR滤波器设计的新型突变量子粒子群优化器，EURASIP信号处理进展杂志，2009（2009）·Zbl 1192.94042号 ·doi:10.1155/2009/367465
[16] 多斯桑托斯·科埃略，L。；Mariani，V.C.，基于量子力学和谐振子势阱的粒子群方法在具有阀点效应的经济负荷调度中的应用，能量转换与管理，49，11，3080-3085（2008）·doi:10.1016/j.enconman.2008.06.009
[17] Coelho，L.D.S.，用于约束工程设计问题的高斯量子行为粒子群优化方法，专家系统与应用，37，21676-1683（2010）·doi:10.1016/j.eswa.2009.06.044
[18] Poli，R.，《粒子群优化应用出版物分析》，《人工进化与应用杂志》，2008（2008）·doi:10.1155/2008/685175
[19] 埃伯哈特共和国。；Shi，Y.，《计算智能：实现概念》（2009），美国宾夕法尼亚州费城：爱思唯尔，宾夕法尼亚州，美国
[20] Sabat，S.L。；多斯桑托斯·科埃略，L。；Abraham，A.，使用量子粒子群优化提取MESFET直流模型参数，微电子可靠性，49，6，660-666（2009）·doi:10.1016/j.microle.2009.03.005
[21] 孙，J。；冯，B。；Xu，W.，具有量子行为的粒子群优化，IEEE进化计算大会论文集（CEC'04）
[22] Clerc，M。；Kennedy，J.，《多维复杂空间中的粒子群爆炸、稳定性和收敛》，IEEE进化计算汇刊，6，1，58-73（2002）·doi:10.1109/4235.985692
[23] 孙，J。；方，W。；帕拉德五世。；吴，X。；Xu，W.，具有高斯分布局部吸引点的量子行为粒子群优化，应用数学与计算，218,73763-3775（2011）·Zbl 1244.65089号 ·doi:10.1016/j.amc.2011.09.021
[24] Mallate，S.，《信号处理的小波之旅：稀疏之路》（2009），美国宾夕法尼亚州费城：爱思唯尔，宾夕法尼亚州，美国·Zbl 1170.94003号
[25] 林，F.-J。；林，C.-H。；Shen，P.-H.，永磁同步电机驱动的自构造模糊神经网络速度控制器，IEEE模糊系统汇刊，9，5，751-759（2001）·doi:10.1109/91.963761
[26] 米基，S.M。；Kishk，A.A.，《电磁学量子粒子群优化》，IEEE天线与传播学报，54，10，2764-2775（2006）·doi:10.1109/tap.2006.882165
[27] F.H.T.维埃拉。；Bianchi，G.R。；Lee，L.L.，基于多重分形建模的网络流量预测方法，《高速网络杂志》，17，2，83-96（2010）·doi:10.3233/jhs-2010-0334
[28] Barabas，M。；Boanea，G。；Rus，A.B。；Dobrota，V。；Domingo-Pascal，J.，基于多任务学习和多分辨率分解的神经网络的网络流量预测评估，IEEE第七届智能计算机通信与处理国际会议论文集（ICCP’11）·doi:10.1109/iccp.2011.6047849
[29] Liang，Y.，动态带宽分配的实时VBR视频流量预测，IEEE系统事务、人与控制论第C部分：应用与评论，34，1，32-47（2004）·doi:10.1109/TSMCC.2003.818492
[30] 蔡，J.-T。；刘，T.-K。；Chou，J.-H.，用于全局数值优化的混合田口遗传算法，IEEE进化计算汇刊，8，4，365-377（2004）·doi:10.10109/修订版2004.826895
[31] Papagianaki，K。；塔夫特，N。；张，Z.-L。；Diot，C.，互联网主干流量的长期预测，IEEE神经网络汇刊，16，5，1110-1124（2005）·doi:10.1109/tnn.2005.853437
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。