【摘 要】
：
传统RBF神经网络在网络流量预测过程中存在收敛速度慢、极易出现局部最优等缺点，从而导致预测精度低。本文采用蚁群算法优化RBF神经网络参数来进行网络流量预测。利用蚁群优化算法来训练RBF神经网络的基函数宽度和中心，简化网络结构，加快收敛速度，防止局部最优的出现，改善RBF神经网络的泛化能力。实验结果表明，相对于GA-RBF以及PSO-RBF流量预测模型，本文模型预测准确度更高，能够很好地描述网络流的
【机 构】
：
Yiwu Iudustrial&Commercial College, Yiwu Zhejiang 322000, China
论文部分内容阅读
传统RBF神经网络在网络流量预测过程中存在收敛速度慢、极易出现局部最优等缺点，从而导致预测精度低。本文采用蚁群算法优化RBF神经网络参数来进行网络流量预测。利用蚁群优化算法来训练RBF神经网络的基函数宽度和中心，简化网络结构，加快收敛速度，防止局部最优的出现，改善RBF神经网络的泛化能力。实验结果表明，相对于GA-RBF以及PSO-RBF流量预测模型，本文模型预测准确度更高，能够很好地描述网络流的变化规律。具有泛化能力强、稳定性良好的特点，在网络流量预测中有一定的实用价值。
其他文献
提出一种基于云模型和支持向量机(Support Vector Machine,SVM)的入侵检测特征选择方法,该方法采用逆向云发生器从真实训练数据中得到云的数字特征,形成实际判断规则,实现正常数据建模,把网络入侵检测正确率作为SVM 参数优化目标函数,以提高入侵检测的正确率。在KDDCUP1999 数据集上进行仿真实验,结果表明该方法能更有效地精简网络数据特征,能够有效地解决入侵检测中存在的特征选
面向大规模工程计算,JASMIN 框架在并行使能技术和数值算法上进行了发展和完善.2.0 版JASMIN 框架保持编程接口兼容,无需用户修改程序,可直接提升已有程序的并行可扩展能力.JASMIN 框架在曙光6000等多台高性能计算机上的成功安装表明,JASMIN 可直接在不同架构的高性能计算机上移植使用.为考察应用程序在JASMIN 框架支撑下的并行可扩展能力,在曙光6000 超级计算机上测试和分
设计并实现了一种面向多OS的资源分区系统-KMON (Kernel Monitor).KMON将VMM( Virtual Machine Monitor)从原有虚拟机系统层次中抽离出来作为一个能够独立执行的程序,仅负责资源的分配管理与客户OS的加载启动,从而极大的精简了客户OS敏感指令的虚拟化任务.实验表明,KMON原型系统中的客户OS在各项指标中与原始OS相近,基本消除了虚拟化的性能开销,达到了
提出一种面向大规模同时多线程处理器可扩展高速缓存的动态划分方法.将文献所提的机制扩展到多体高速缓存中.线程的内存访问特征变化迅速，因此在运行时收集同时多线程的缺失率特征，依此特征在线程间划分高速缓存.实验结果显示，相对于非划分的具有标准LRU替换策略的高速缓存，本文提出的划分方法能够IPC达18.94％.
在近几年中，研究人员已经开始越来越重视集群中的功率消耗控制，众多研究人员都致力于功率消耗的降低与节约，然而能耗的管理比单纯的能耗的节约昱得更加的重要。在本文中，将功率看成是可以管理和调度的资源之一。本文设计与实现了两种应用于HDFS、有效控制与预测功率的算法和策略，结合给每个节点设置功率预算的方法，实现功率的非均衡的动态分配以达到控制整个集群功率消耗，用以限制能耗消耗。此外，本文还通过逐步线性回归
现有GPU加速的高性能Linpack 基准测试程序(HPL)一般采用基于实际运算能力的动态负载均衡算法来实现.然而该算法在单节点多GPU的平台上表现不佳，其原因是单节点多GPU平台上单个GPU计算量小，并且GPU与CPU 的总性能差距较大.为此，本文提出了经验指导的动态负载均衡算法以及多GPU 自适应负载均衡算法，并且在单节点多GPU 平台上进行验证，对比现有基于NVIDIA 费米GPU 的HPL
在蛋白质三级结构预测领域，基于蛋白质采样信息的结构预测方法是一种应用比较成功的方法，但是随着蛋白质数据库的增大，对计算能力的需求也越来越高，限制了这种方法的使用。随着FPGA芯片资源和计算能力的不断提高，基于FPGA芯片的硬件加速器已经成为加速蛋白质三级结构预测算法的理想平台。本文在分析蛋白质三级结构预测程序BackboneDBN的计算特征的基础上，设计并实现了一个基于FPGA平台的算法加速器，通
虽然云计算在科学计算和互联网应用上已经取得了很大的收益，但是由于规模庞大，不论是其拥者还是用户都将节省开销作为首要目标。然而，相关工作大多只考虑了拥有者的运营开销，而没有探讨云用户的费用。本文创新性地利用Amdahl定律提出了云计算用户的平均费用模型，通过该模型从本质上揭示了云计算中用户费用与租用的服务器数目、任务到达速率、任务的并行性以及服务器处理能力之间定量关系，对用户租用云计算系统服务器的方
分析了云计算环境中虚拟机映像存储系统所面临的问题和挑战,设计并实现了一种系统层的虚拟磁盘协作式持久缓存CoCache,能够充分利用各个节点缓存的服务能力,使其暂存的虚拟机映像数据能够为其他节点提供读取服务.CoCache 实现了物理节点间P2P 模式数据传输,达到了扩展存储系统数据服务能力的目的.CoCache 实现层次位于Linux 内核态,可以支持任何的VMM.实验结果显示该协作式持久缓存可以
以底层网络资源利用效率最优为目标，在底层网络不需要支持路径分裂的情况下，提出了一种新的基于快速收敛蚁群优化的虚拟网络映射算法。通过引入高斯过程模型，加快蚁群优化算法的收敛速度，满足实际应用的实时性要求；并且以映射开销作为适应度函数，最终解决虚拟网络映射问题。实验结果表明，与已有研究成果相比，在满足相同准确度的前提下，该算法显著地降低了算法的求解时间。