【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第11期 315-318页,共4页

【作 者】： 陈宏明

【摘 要】 网络流量的高效准确低冗余度预测,是保证网络安全的关键。网络流量的非线性影响,在突变性较强的网络流量预测中,为了应对突变性,需要大量的先验知识作为预测模型的支撑,导致出现了大量的非正常冗余数据,造成传统的的模型训练样本数量大以及结构复杂,模型不够稳定,导致预测冗余度高,效率低下。提出一种采用支持向量机模型的主成分分析的零冗余度PCA-SVM预测系统,在SVM模型的基础上,采用PCA分析方法对输入系统的一些冗余信息进行清除过滤,提高输入信息数据的贡献率,减少总体的样本训练集数量,降低SVM模型的信息维数,对网络流量的6个因子进行了系统模型构建原始驱动数据,对6个预测因子进行PCA处理,驱动因子之间具有显著的相关关系,完整去除了非相关冗余度。采用SVM-PCA模型进行数学建模,对后来10个月的网络流量进行预测。实验结果表明,改进算法比传统算法,预测偏差降低0.069,预测准确率可以提高17%以上,优化效果明显。