没有合适的资源?快使用搜索试试~ 我知道了~
提出了一种基于径向基函数神经网络的网络流量识别方法。根据实际网络中的流量数据,建立了一个基于RBF神经网络的流量识别模型。先介绍了RBF神经网络的结构设计及学习算法,针对RBF神经网络在隐节点过多的情况下算法过于复杂的缺点,采用了优化的算法计算隐含层节点。仿真实验证明,该模型具有较好的准确率、低复杂度、高识别效果和良好的自适应性。
资源推荐
资源详情
资源评论
基于径向基函数神经网络的网络流量识别模型基于径向基函数神经网络的网络流量识别模型
提出了一种基于径向基函数神经网络的网络流量识别方法。根据实际网络中的流量数据,建立了一个基于RBF
神经网络的流量识别模型。先介绍了RBF神经网络的结构设计及学习算法,针对RBF神经网络在隐节点过多的
情况下算法过于复杂的缺点,采用了优化的算法计算隐含层节点。仿真实验证明,该模型具有较好的准确率、
低复杂度、高识别效果和良好的自适应性。
摘摘 要:要: 提出了一种基于径向基函数神经网络的网络
关键词:关键词: RBF神经网络;流量识别;流量分类
随着互联网业务量的急剧增长,网络性能和服务质量方面的问题日益突出。在网络资源有限的情况下,建立网络流量模
型,识别网络流量,及时作出控制或者调整,将会极大提高网络性能和服务质量。尤其是随着近年来互联网技术的发展,网络
主要流量已经由传统的FTP、TELNET和HTTP向P2P和IM服务转变。传统的网络流量识别方法已经不能满足当前网络发展的
需求。
神经网络对非线性函数关系具有良好的逼近能力,所以本文提出了一种基于RBF函数神经网络的网络流量模型。RBF神经
网络为局部神经网络模型,计算速度快、实时性好,相对于传统的线性流量模型具有更高的逼近能力和良好的自适应性,并可
克服基于BP神经网络的流量模型训练时间长及计算复杂度高的不足。
1 RBF神经网络结构及学习算法神经网络结构及学习算法
1.1 RBF神经网络结构神经网络结构
RBF神经网络是20世纪80年代由MOODY J和DARKEN C提出的一种神经网络模型,是具有单隐层的前馈网络,属于局部
逼近网络,已证明能以任意精度逼近任一连续函数。RBF神经网络的结构如图1所示。
网络由输入层、径向基函数隐含层、输出层三层构成。低维空间非线性可分的问题总可以映射到一个高维空间,使其在此
高维空间中为线性可分[1]。RBF的输出单元部分构成一个单层感知机,只要合理选择隐单元数(高维空间的维数)和作用函
数,就可以把原来的问题映射为一个线性可分问题[2]。RBF网络中输入到隐含层的映射是非线性的,而隐含层到输出的映射
是线性的。隐含层的节点数与实际问题的要求有直接的关联,过多的节点数会导致学习时间过长和低容错率,所以必须优化隐
含层的节点数。隐含层的节点数可以采用式(1)计算:
资源评论
weixin_38724106
- 粉丝: 3
- 资源: 911
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功