动态K-means与粒子群的网络态势预测优化算法

作者：魏雅娟; 刘兆; 刘意先; 范九伦

来源：西安邮电大学学报, 2020, 25(05): 33-38.

DOI：10.13682/j.issn.2095-6533.2020.05.006

• 动态K-means聚类
• 径向基函数
• 粒子群最优化算法
• 态势预测
• 预测精度

针对网络态势预测方法预测精度不高的问题,提出一种动态K-means与粒子群的网络态势预测优化算法。利用动态K-means聚类算法对收集到的网络基础指标进行分类,确定径向基函数(radial basis function,RBF)的网络中心和神经元宽度,使用粒子群最优化算法调整并确定RBF的权值系数,使权值分配更为合理,从而提高计算某局域网在某个时间段内所得态势预测值的精度。仿真结果表明,所提预测算法比基于广义的RBF网络态势预测算法的预测精度提高了14倍。

• 单位
  西安邮电大学