论文部分内容阅读
针对用户访问轨迹的数据特征，提出一种基于EEMD技术的多步时间序列预测模型。该模型利用了集合经验模态分解EEMD结合极限学习机ELM模型，混合人工鱼群MAFA优化的方式，克服了算法中存在过拟合和多步时间序列预测的策略限制问题。通过该模型，实现了对访问轨迹时间序列多步预测，结合安全范围包络线，进而提前发现是否存在入侵行为。验证结果表明，优化后的EEMD-ELM模型比传统时间序列预测方法的迭代速率与精度得到了极大提高，泛化能力增强，说明了该方法的有效性、可行性。