| 基于高阶图卷积自编码器的网络流量预测 |
| |
| 引用本文： | 崔兆阳,李昭桦?覮.基于高阶图卷积自编码器的网络流量预测[J].湖南大学学报(自然科学版),2020,47(4):169-174. |
| |
| 作者姓名： | 崔兆阳 李昭桦?覮 |
| |
| 作者单位： | （１. 广州供电局有限公司，广东 广州510620；
２. 中国能源建设集团 广东省电力设计研究院有限公司，广东 广州 510663） |
| |
| 摘 要： | 网络流量预测是有效保障用户QoS措施之一。当前深度学习为基础的网络算法预测中没有充分利用网络拓扑信息。为此，提出了基于高阶图卷积自编码器的网络流量预测模型。该流量预测模型基于软件定义网络（SDN）架构，利用高阶图卷积网络（GCN）获取网络拓扑中的多跳邻域之间的流量相互影响关系，采用门控递归单元（GRU）获取网络的时间相关性信息，利用自编码模型来实现无监督学习和预测。在Abilene网络上采用真实数据进行了仿真对比分析试验，结果表明，提出的方法在网络流量检测方面的MAPE值为41.56%，低于其它深度学习的方法，同时预测准确率方面也达到最优。
|
| 关 键 词： | 流量检测 高阶图卷积 GRU自编码器 网络拥塞预测 |
Network Traffic Prediction Based on k-hops
Graph Convolutinal Autoencoder |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南大学学报(自然科学版)》下载免费的PDF全文 |
