基于贝叶斯与因果岭回归的物联网流量预测模型
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP393

基金项目:

陕西省科技厅工业科技攻关项目(2016GY088)


The flow prediction model in Internet of Things based on Bayesian and causal ridge regression
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对物联网流量预测困难的问题,提出了一种基于贝叶斯与因果岭回归的物联网流量预测模型.该模型首先根据物联网流量传输波动影响链路变化等因果关系,深入刻画物联网流量局部特征,并利用薛定谔方程优化识别模型,同时结合贝叶斯拟合因果关系联合岭回归方法建立预测模型.最后,通过仿真实验研究了该模型与其他方法之间的性能状况,结果表明该模型在平均队列、阻塞率和延迟率等方面具有较大优势.

    Abstract:

    In order to solve the flow prediction problem of Internet of Things, a flow In order to solve the flow prediction problem of Internet of Things, a flow prediction model is proposed based on Bayesian and causal ridge regression.At first,the local characteristic of flow is deeply depicted considering the causal relationship between the fluctuation of the traffic flow and the change of the link;in addition, Schrodinger equation is used to optimize the recognition model.Then,the prediction model is built with Bayesian and causal ridge regression.Finally,the performance of this model and other methods is studied by simulation experiment.The results show that this model has a great advantage in average queue,blocking rate,delay rate and so on.

    参考文献
    相似文献
    引证文献
引用本文

引用本文格式: 陈翔,唐俊勇. 基于贝叶斯与因果岭回归的物联网流量预测模型[J]. 四川大学学报: 自然科学版, 2018, 55: 965.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2017-09-21
  • 最后修改日期:2018-03-08
  • 录用日期:2018-03-09
  • 在线发布日期: 2018-09-30
  • 出版日期:
通知
自2024年3月6日起,《四川大学学报(自然科学版)》官网已迁移至新网站:https://science.scu.edu.cn/,此网站数据不再更新。
关闭