结合多重分形的网络流量非线性预测

王升辉; 裘正定

您当前的位置：

首页 >

文章列表页 >

结合多重分形的网络流量非线性预测

院校报道 | 更新时间：2024-10-14

- 结合多重分形的网络流量非线性预测
- Network traffic nonlinear prediction combined with mutifractal
- 通信学报 2007年第2期页码：45-50
- 作者机构：
  
  1. 北京交通大学信息所
  2. 北京交通大学信息所,北京,100044
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TN915.06
- 纸质出版日期：2007
- 稿件说明：
移动端阅览
王升辉, 裘正定. 结合多重分形的网络流量非线性预测[J]. 通信学报, 2007,(2):45-50.

WANG Sheng-hui, QIU Zheng-ding. Network traffic nonlinear prediction combined with mutifractal[J]. 2007, (2): 45-50.
王升辉, 裘正定. 结合多重分形的网络流量非线性预测[J]. 通信学报, 2007,(2):45-50. DOI：

WANG Sheng-hui, QIU Zheng-ding. Network traffic nonlinear prediction combined with mutifractal[J]. 2007, (2): 45-50. DOI：

摘要

通过分析树型多重分形结构的相关性发现

多重分形可以把非平稳且具有长相关(LRD)和分形特性的网络流量序列转化为可用短相关(SRD)模型表示的序列组。利用多重分形这种将时间序列分解为多层的能力

提出了一种结合多重分形的FIR神经网络流量预测模型(MF-FIR

multifractal FIR network)。MF-FIR合理地利用了流量序列的LRD信息

具有很好的多步预测性能

可以满足通信系统在线预测的要求。

Abstract

By analyzing the correlation structure of multifractal tree

it was found that multifractal has the ability to con-vert the non-stationary long-range dependence（LRD） trace to a series of short-range dependence（SRD） sequence.Based on this property

a FIR neural network traffic predictor combined with multifractal was proposed.Because the LRD fea-ture of trace is used

the multi-step performance of proposed method is much better than traditional methods.

关键词

Keywords

references

浏览量

529

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

机器类通信流量建模与过载控制

MPEG-4视频流量多重分形建模