论文研究 GAFSA优化SVR的网络流量预测模型研究.pdf

为降低模型预测控制优化问题的计算复杂度，以时滞系统的模型预测控制问题作为研究对象，利用神经网络动态平衡点与优化问题解相对应的特点，提出一种基于广义投影神经网络的模型预测控制优化算法。首先将模型预测控制

现有残差比较等异常检测方法只能在突变阶段检测异常,检测率较低。综合考虑网络流量中包含的所有特征,对网络中的多种协议流量指标分别进行局部投影降噪处理,将各流量分解为流量趋势部分和噪声流量部分,以这两部分

针对网络流量分类中的多类不均衡问题，提出一种基于相对不确定性和对称不确定性的Hybrid型特征选择方法。首先，利用相对不确定性为每个类选择候选特征集；然后，保留每个候选特征集中对称不确定性较高的特征并

一种网络流量生成系统的设计与实现，付超，王东滨，网络流量对于研究和评估具有重要意义。本文研究一种基于网络流量样本的网络流量生成技术，能够基于网络数据样本生成高并发、高带

通过分析高速网络流量的宏流特性和Hash突发性,提出了基于自适应宏流的HASLF分流算法。模拟验证表明该算法具有流破坏率低、负载均衡度小、丢包率极小的特点,符合高速入侵检测的分流要求,具有较高的应用价

基于遗传算法优化支持向量机的网络流量预测,用于预测方面的额资料,有很好的借鉴价值

从研究煤炭价格序列自身变化规律的角度，提出基于滚动时间窗的ε-SVR预测模型，通过数据重构获得输入与输出样本，随着时间推移，不断更新滚动时间窗的数据内容，从而建立动态 的ε-SVR模型预测最新时点的煤

针对态势预测的多模型组合问题，提出了一种基于证据理论优化的态势组合预测模型。该模型首先对预测子模型进行训练，获得预测子模型的性能评价与指标权重分配；基于证据理论对多指标的权重分配结果进行融合，提高权重

交通流量序列具有不平稳性、周期性、易受节假日等因素影响的特点，因此交通流量预测是一项困难的任务。针对交通流量序列的预测问题，设计了一种基于深度学习的交通流量预测模型。模型融合了卷积神经网络和长短时记忆

一种网络流量识别系统设计实现，李鑫，刘岚，本文研究了在城域网的环境下，如何对网络流量进行有效的技术监管的问题。首先分析了DPI和DFI这两种网络流量检测技术，在此基础上提