专利名称：一种基于集合经验模态分解的组合型网络流量预测方法     申请号：2019102300959     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络流量监控 网络优化   相似专利 发布日：2025/01/08  

专利名称：基于经验模态分解聚类的网络流量预测方法及装置      申请号：2019113241545     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络流量监控 网络优化   相似专利 发布日：2025/01/08  
摘要： 本发明属于网络流量预测技术领域，具体属于一种基于经验模态分解聚类的网络流量预测方法及装置；所述方法包括获取原始的网络流量数据并进行预处理；通过经验模态分解将网络流量分解为不同时间尺度上频率单一的有限个IMF分量；通过K-means算法对IMF分量进行聚类，将复杂度相近的IMF分量聚到一起；对聚类后的IMF分量采用自适应加权马尔可夫模型预测；将各IMF分量的预测值进行求和确定当前时刻网络流量的预测值；本发明通过聚类减少预测器的个数，能够有效减小模型复杂度，通过自适应加权马尔可夫模型提高预测精度。

专利名称：一种类不平衡的网络流量分类方法、装置及计算机设备      申请号：2019112911446     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络流量监控 网络优化   相似专利 发布日：2025/01/08  
摘要： 本发明涉及网络流量分类技术领域，涉及一种类不平衡的网络流量分类方法、装置及计算机设备；所述方法包括获取待分类的网络流量数据，并提取出网络流量的特征；采用特征选择算法删除不相关特征以及冗余特征，并对剩余的特征降维，从而选择出最优特征子集；将所述最优特征子集输入至基于权重的多分类器中，采用增量学习的方式，进行网络流量分类训练，优化分类器性能后，对网络流量进行分类。本发明针对网络流量样本分布不平衡问题，删除了不相关特征以及冗余特征，在保证整体分类准确度的前提下，有效提高小类别的识别率；引入增量学习思想，提高模型更新训练的灵活性，降低模型更新的周期；利用基于权重的多分类器，减小了概念漂移带来的影响。