您现在的位置是：首页 > 技术资料 > 基于数据挖掘的校园物联网流量特性建模与分析

推荐星级：

基于数据挖掘的校园物联网流量特性建模与分析

更新时间：2019-12-22 15:47:00 大小：179K 上传用户：xiaohei1810 查看TA发布的资源 标签：数据挖掘物联网 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

为了对校园物联网流量进行高精度预测,提出数据挖掘的校园物联网流量预测模型.首先通过混沌分析算法对校园物联网流量历史样本进行处理,构建描述校园物联网流量变化特点的训练样本,然后采用粒子群算法优化支持向量机建立校园物联网流量预测模型,最后与其它模型进行了校园物联网流量预测的仿真测试.结果表明,提出的模型对校园物联网流量预测精度为95％以上,而对比模型的校园物联网流量预测精度均小于95％.因此它克服了当前校园物联网流量预测误差大的缺陷,是一种结果可靠、性能好的校园物联网流量建模工具.

部分文件列表

文件名	大小
基于数据挖掘的校园物联网流量特性建模与分析.pdf	179K

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

V01．35，No．9，2019

开

用

微型

用2019年第35卷第9期

Microcomputer Applications

文章号：1007— 757X(2019)09— 0140— 03

基于数据挖掘的校园物网流量特性建模与分析

李振

，

李立学

公室，天津301607)

(天津石油

技学院招生就

摘

要：

了

校园物网流量行高精度

。提出数据挖掘的校园物网流量

本，然后采用粒子群算法化支持向量机建立校

的仿真果表明，提出的模型校园物网流量

精度均小于95％。因此它克服了当前校园物网流量

模型。首先通混沌分析算法校园

物

网流量

史

本

行

理，构建描述校园物网流量化特点的

园物网流量

模型，最后与其它模型行了校园物网流量

。

精度 95％以上，而比模型的校园物网流量

差大

的缺陷，是一种果可靠、性能好的校园物网流量建模工具。

关

中

：校园物网流量；随机性；律性；

号：TP391 文献

本；混沌分析算法

分

志

：A

and

of Traffic Characteristics of

Modeling

Analysis

Campus

Internet of

Based on Data

Things

Mining

I．I Zhenhua。I，l I，ixue

(Admission and

Petroleum Vocational and Technical

301607)

College，TianJin

model for

Employment Office．Tianjin

the

Internet

the In—

campus

Abstract：In order tO

traffic

data

accurately，a mining

predict

traffic is

campus

Things

predicting

of the

ternet of

chaotic

is used tO

the historical

cam—

Things

proposed．Firstly，the

analysis algorithm

process

samples

Internet of

traffic，and then the

are constructed to describe the characteristics of the

Inter—

Things

campus

pus

training samples

net of

traffic

the

swarm

vector machine is used tO establish the

In—

campus

change．Then

particle

Things

optimization support

simulation test 0f the

ternet of

ried out

traffic

Internet Of

traffic

is car—

prediction

Things

prediction model．Finally，the

campus

Things

with other

that the

is more than

the

95％。while

models．The results show

model

of the model

compare

prediction accuracy

than

current

Internet

others are all less

95％．The

overcomes the

error

traffic

Things

shortcomings

Internet of

large

campus

reliable and

traffic

t001．

modeling

prediction，and

good performance campus

Things

Internet of

Key words：Campus

Things traffic；Randomness；Regularity；Training samples；Chaos analysis algorithm

的校园物网流量

等方法，尤其是支持向量机在

可以得到高精度的校园物网流量

机的校园物网流量果与核函数及相关参数直接相

关，若它置不合理，校园物网流量

模型，它

性能要于灰色理

本很少的情况下，仍然

果。支持向量

引言

随着通信技和网

校都建立自己的校园，成学生、老

一种重要途径”]。随着用校园物网的率越来越高，校

园物网上的数据种日益增多，如：像、声音、

文本以及其它型数据，使得校同物网管理面巨大的

技

的迅速展和融合，每一个学

行信息交流、沟通的

的

果

生不利影响。

、

了更好的校园物网流量

行

，提出数据挖掘

挑

Ⅲ。

的校园物网流量

园物网流量

模型。果表明，本文模型克服了校

差大的缺陷．是一种果可靠、性能好

校

物

网流量的建模与

很早就行了相关的研究，提出了多有效的校园物网流

模型；而国内的校园物网流量研究起晚，但展速

，一些达国家

的校园物网流量建模工具。

量

2数控挖掘的校园物网流量

模型

度很快，也存在一些校园物网流量

园物网流量的建模方法主要有自回

模型l ⁵7I。最初校

滑

平均，指数平滑

2．1支持向量机

法、灰色理等，它

网流量的极不定。有上升、下降、以及振等特

点，使得些方法的校园物网流量果不太可靠，校

园物网流量的很大【”叫。随后出了非

是

性建模方法．但是

上校园物

有女个

本：{(z，，y，)}，i=1，2，⋯ ，女，采用映射

化

函数垂将原始本丁。映射到高

空

行建模分析，即式

(1)。

厂(T)=∞1中(丁)+6

(1)

有

性

作者介：李振 (1982一)，女，吉林省敦化市人，士，

李立学(1982一)．男，春市人，士．

，研究方向：算机网。

，研究方向：算机网

。

· 140·

万方数据

V01．35，No．9，2019

开

用

微型

用2019年第35卷第9期

Microcomputer Applications

式中，cc，和b 支持向量机的和偏置向量。

物

网流量一段

的史数据，并剔除一些无用数据，并

全。

于式(1)来，要建立高精度的

模型，必首先得

到∞和b的，但是 ∞和b直接求解十分困，求解

相当的，因此引入不敏感失函数，具体式(2)。

(2)采用混沌分析算法校园物网流量史数据

理，确定嵌入和延，得到一个多、更易建模的

行

8(‘22’)

校园物

网

史数据。

m卜y

L‘，‘工’一y’2{I，(z)一y I— e：t。herwise。

L(厂(工)-v)：lo

(3)

一部分校园物

网

史数据支持向量机

基于

构

最小化原，减少支持向量机的算复

行

，并置好相关的参数。

(4)采用粒子群算法

和C的，并且根据它

建

合

度，将式(1)

行

得到一个

束

化

式(3)。

立校园物网流量

(5) 部分

能力和能力

模型。

校园物网流量

min=了1∞7∞+c∑(￡+占)

。

本

模型的

i21

”^￡

行

性

。

fY，一硼· 工．一b≤ ￡+￡

<硼· 五十b— Y。≤ E+8。

【e≥ 0，￡≥ 0

3校园物网流量混沌

的用例

(3)

3．1

参数及数据

了分析数据挖掘的校园物网流量

性．采用VC++6．0 行仿真

模型的有效

式中，8、8。表示松弛量，￡不敏感失函数的差，C表

程

，

了

果更具

分

服

示

参数，用以描述模型复度和合精度的平衡。

引入拉格朗乘子a。、ai"和核函数女(z，五)，将非

力．

两个校园物网流量数据，它采集

和lo分，具体如 1所示。

性

小

化

性

，

支持向量的回

估函数式

(4)。

(4)

厂(T)=∑(口，一口?)寿(z埔)+b

每一个回，都有一个相适合型的核函数，而高

斯核函数的通用性要于其它核函数，此本文

核函数，具体式(5)。

其作

∞苫＼罩一塘

(5)

^(T )：exp(一止生掣)

本

号

最后得到回函数

式(6)。

(a)采

1小

咖

弛)一壹(口f_ )exp(_ { )+6(6)

其中，仃表示核 iz度l参数，z表示支持向量数。

支持向量机的校园物网流量

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

基于数据挖掘的校园物联网流量特性建模与分析

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页