基于Plane-Gaussian神经网络的网络流状态监测

来源：计算机应用杂志2017年第3期北京时间：

作者：杨绪兵, 冯哲, 顾一凡, 薛晖

单位：1. 南京林业大学 信息科学技术学院, 南京 210037;2. 东南大学 计算机科学与工程学院, 南京 210096

摘要：针对复杂网络环境下网络流监测（分类）问题，为实现多个类别直接分类以及提高学习方法的训练速度，提出了一种随机的人工神经网络学习方法。该方法借鉴平面高斯（PG）神经网络模型，引入随机投影思想，通过计算矩阵伪逆的方法解析获得网络连接矩阵，理论上可证明该网络具有全局逼近能力。在人工数据和标准网络流监测数据上进行了实验仿真，与同样采用随机方法的极限学习机（ELM）和PG网络相比，分析与实验结果表明：1）由于继承了PG网络的几何特性，对平面型分布数据更为有效；2）采用了随机方法，训练速度与ELM相当，但比PG网络快得多；3）三种方法中，该方法更有利于解决网络流监测问题。

关键词：Plane-Gaussian人工神经网络,极限学习机,随机投影,全局逼近,分类精度

基金资助：国家自然科学基金资助项目（61375057）；江苏高校品牌专业建设工程资助项目。