提出了一种基于线性孪生支持向量机(TWSVM)的嵌入式特征选择方法。该方法在构造分类器的过程中,通过在TWSVM原有优化模型中引入一个惩罚项,来实现特征选择。在求解过程中,采用交替迭代优化方法将该模型
随着互联网规模和应用的扩大,网络数据流量呈现出复杂多分形性的特点,针对这个特性,构建了基于小波分析和ARMA模型的网络流量预测模型,用Mallat算法将原始流量数据分解为4个分层数据,对各层数据用AR
多尺度下的IP网络流量特征分析与研究.caj
武器装备体系需求建模过程充满了不确定性,而体系需求建模的质量直接影响到需求模型的有效性和可靠性,最终影响待建武器装备体系的构建效果。在重点分析武器装备体系需求建模利益相关者和需求建模内容中存在的不确定
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
基于支持向量机的多要素非平稳时间序列预测研究,穆进超,陈晓云,当前,在非平稳数据的时序预测中,通常只采用单要素数据进行支持向量机回归预测,从而导致泛化能力较差,为了改善这一状况,文章
里面包含三组网络流量数据,一组公共数据集,还有回声状态网络的matlab代码,主要包括2个方面,一个是对数据进行处理,另外一个是预测,提供给大家学习,希望有所帮助
首先介绍了网络流量分析的不同层次及机器学习领域的相关知识,分析了采用端口号映射及有效负载分析的方法进行流量分类与应用识别存在的问题;然后从网络流量的统计特征出发,重点介绍了机器学习中聚类和分类的方法在
相关向量机(RVM)核函数参数对其性能有较大影响,为了提高相关向量机的分类能力,提出了一种基于具有Levy飞行特征的双子群果蝇算法(LFOA)的RVM核参数优化方法。在适应度函数的评判下,果蝇种群经过
论文研究-基于支持向量机方法的轨道交通乘客旅行时间短时预测方法研究.pdf,
目前,北京市已建成总长456km的轨道交通