一种基于核主元分析的话务量特征提取方法.doc
《一种基于核主元分析的话务量特征提取方法.doc》由会员分享,可在线阅读,更多相关《一种基于核主元分析的话务量特征提取方法.doc(9页珍藏版)》请在三一文库上搜索。
1、一种基于核主元分析的话务量特征提取方法doi:10.3969/j.issn.1001-3695.2010.06.055 Method of nonlinear character extraction in communication traffic based on KPCA ZHONG Bingxiang, LI Taifu, WANG Debiao, SU Yingying (College of Electronic Information Engineering, Chongqing University of Science & Technology, Chongqing 4013
2、31, China) Abstract:In view of the communication traffic feature, this paper presented a method of nonlinear character extraction based on kernel function principal component analysis(KPCA). Nonlinear character extracted by KPCA reflectd the complex relationship between original input and output dat
3、a and simplified the array dimension of input data. By comparing simulation results, the prediction model based on KPCARBFNN has better ability to deal with nonlinear data than that prediction model based on PCARBFNN. The experimental results show that this method is very effective. Key words:commun
4、ication traffic; character extraction; kernel function; principal component analysis; RBFNN 0 引言 话务量预测,是指通过分析通信网话务量的历史数据统计规律或相关因素,对未来网络可能出现的话务量进行估计和预期1。通信网话务量与经济生活密切相关,在日常工作中,常以周为单位安排活动,话务量呈现出以周为单位的周期性。受当天的经济和政治事件、天气等不确定因素影响,话务量有很大的随机性和突发性。由于受多种因素的交互影响,对于话务量的精确预测是非常困难的,作为一种时间序列数据,它具有一定的趋势性、随机性和周期性2。
5、目前采用的预测技术,多限于简单函数的拟合预测,如惯性预测Kalman滤波等24,这些技术相对简单,难以满足现阶段话务量的复杂变化方式。因此,对话务量特征提取方法的研究和引入新的预测模型,将具有重大意义。 主元分析法(PCA)通过提取输入变量的特征信息,降低了输入变量空间的维数,但PCA是一种线性化分析方法,不能有效提取非线性特性。而核函数主元分析法(KPCA)常用于非线性特征提取,其基本思想是通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间利用PCA进行特征提取58。本文提出一种基于核函数主元分析法(KPCA)的特征提取方法,用KPCA提取非线性主元作为神经网络的输入,
6、建立话务量预测模型,提高输入数据对话务量变化的敏感性,简化预测模型。 1 核函数主元分析法 1.1 主元分析的基本原理5 线性主元分析法对于经过标准化处理的输入矩阵xi(i=1,2,l),xiRN,先计算协方差矩阵为 C=1lli=1xixiT(1) 特征方程为v=Cv(2) 解得:=(1,2,l)。其中12l,则v=(v1,v2,vl)是与特征值对应的特征向量矩阵。 这样输入向量xi通过线性变换vT得到新的向量yi: yi=vTxi(3) yi则成为第i个主元,当前k个主元所累积的方差贡献率足够大时(一般大于85%5),就可以只取前k个主元作为新特征向量,即可很好地反映过程信息而滤去冗余信息
7、。 PCA通过对输入变量进行变换,在数据空间中找出了一组正交向量来最大可能地表示数据方差,以便将数据从原始高维空间映射到正交矢量构成的子空间,达到提取特征和降低变量维数的目的。 1.2 核函数主元分析的基本原理57 KPCA方法先对样本进行非线性变换,由非线性函数?(x)将输入数据从原空间映射到高维特征空间,(x)的协方差矩阵C为 C=1lli=1(xi)•(xi)T(4) 式(4)的特征向量v就是原始空间x在特征空间(x)上的主元方向,满足 v=Cv(5) 其中:特征值0。将每个输入变量与式(5)内积,得 (xk)•v=(xk)•Cv; k=1,2,l(6
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 核主元 分析 话务量 特征 提取 方法
链接地址:https://www.31doc.com/p-1592044.html