传统流量预测技术针对数字图书馆中不同类别的电子资源类别区分不够精准，提出设计一种基于PSO-BP神经网络的访问流量预测技术。选择支持向量机结合K邻近算法，类别判断非线性流量，以及通过输出结果向量完成访问流量的类别判断，并且通过PSO算法优化BP神经网络，同时，设计粒子编码策略、学习因子等参数，进而设计流量预测流程，完成流量预测。实验表明，在三种资源访问流量的预测中，所设计预测技术的均方根误差和平均绝对误差均低于传统方法，验证了设计的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
