导读:本文包含了请求预测论文开题报告文献综述及选题提纲参考文献，主要关键词:实测数据集,用户请求行为,文件流行度,神经网络
请求预测论文文献综述
戚凯强,杨晨阳,韩圣千[1]（2019）在《基于实测数据集预测用户请求行为对主动边缘缓存的影响》一文中研究指出由于无线边缘节点的缓存空间很小,在流行度已知时主动缓存策略的性能远优于被动缓存。最近,业界开始研究在文件流行度等用户请求行为未知、需要进行预测时的主动边缘缓存,发现主动缓存依然优于被动缓存。然而,大多数工作基于合成的数据集或者在推荐系统等领域采集的开源数据集,难以反映无线用户的请求行为。本文采用一个在局部区域每秒记录用户请求视频次数的实测数据集、利用神经网络预测用户在未来短期内的个体和群体行为,基于预测的用户行为信息在宏基站或微基站进行主动缓存。研究结果表明,当采用实测数据集时,由于用户请求行为具有很强的时间局部性、甚至是猝发性,所造成的虚警、漏警和加性误差使被动缓存优于主动缓存、且在宏基站缓存时增益更大;一旦采用合成的静态数据集,主动缓存明显优于被动缓存。这意味着不能仅用加性误差刻画预测流行度的不确定性,要实现主动边缘缓存的性能增益,更重要的是降低虚警和漏警。(本文来源于《信号处理》期刊2019年04期）
胡晔明,李强[2]（2019）在《基于自适应遗传算法和BP神经网络的云服务器请求量预测模型》一文中研究指出针对现有弹性云服务器(Elastic Cloud Server,ECS)未来请求量预测模型准确度低,稳定性差等问题,提出了一种基于自适应遗传算法和BP神经网络的预测模型。该模型以BP神经网络作为基础模型进行预测。采用自适应遗传算法(Genetic Algorithm,GA)优化神经网络初始权值和阈值,防止BP神经网络训练过程中陷入局部极小值。在自适应遗传算法初期引入多子代交叉方法加快遗传算法的收敛速度。通过对比实验表明,该模型在实际云服务器请求量预测过程中具有更好的准确性和稳定性。(本文来源于《通信技术》期刊2019年04期）
熊文军,张璇,王旭,李彤,尹春林[3]（2017）在《面向Issue跟踪系统的变更请求报告关闭可能性预测》一文中研究指出在Issue跟踪系统中存在大量长期未关闭的变更请求报告,增加了开发者不断点击和阅读这些报告的可能性,严重影响了软件需求管理任务的实施和用户的反馈体验。准确和及时地预测这些报告关闭的可能性或重要性可以提高软件维护任务的质量。定义若干衡量变更请求报告特征的指标,选择在训练数据集上预测效果最佳的指标构建Logistic回归预测模型。使用提出的方法对20个SourceForge项目构成的测试数据集进行实验,得到平均查全率为94%和平均伪正率为14%的结果。实验结果表明,提出的方法能在测试数据集上取得很好的预测性能;关闭状态的变更请求报告所占的百分比或数量大小并不影响模型的性能;变更请求报告具有的某些特征可用于预测其在下一版本中得到关闭的可能性。(本文来源于《计算机科学》期刊2017年11期）
鲍伟,孔慧芳[4]（2017）在《基于广义预测控制的DCT换挡过程发动机扭矩请求控制》一文中研究指出为解决双离合器式自动变速器换挡过程中发动机扭矩控制的时滞和参数摄动问题,提出广义预测控制实现自动变速器电控单元对发动机的扭矩请求控制。首先分析发动机扭矩控制系统的特点,建立被控对象的传递函数。利用Pade近似方法求取被控对象的离散数学模型及CARIMA模型。在此基础上构建合适的目标函数,通过使目标函数最优,获得广义预测控制器的解析解。为进一步减少算法的计算量,采用直接广义预测算法对预测方程的参数进行辨识,以提高算法的实时性。最后根据发动机台架试验数据设计了广义预测控制器和PI控制器,并通过仿真试验和硬件在环试验,对比分析了广义预测控制和PI控制在阶跃响应、斜坡响应、抗参数摄动以及换挡时的扭矩跟随等方面的性能。研究结果表明:基于广义预测控制的扭矩请求控制,在扭矩的跟随性能和抗参数摄动等方面都明显优于PI控制。因此,基于广义预测控制的扭矩请求控制方法在一定程度上降低了时滞对控制效果的影响,这对于提高双离合器车辆驾驶品质和换挡快速性有十分重要的意义。(本文来源于《中国公路学报》期刊2017年10期）
王云霏,李媛,王飙[5]（2017）在《基于访存局部性的一致性请求广播范围预测》一文中研究指出目前广泛采用的广播协议带宽需求较高,目录协议访存延迟较大,不适用于国产服务器处理器片间直连接口带宽相对较低、延迟较高的应用场景。为此,基于片内目录、片间Token广播的双层异构混合一致性协议,应用访存局部性原理,对片间请求广播范围进行预测研究,提出一种HP-SRW协议。实验结果表明,与两级目录协议相比,该协议时间性能提高8.9%,带宽需求降低3.1%,与混合协议相比时间性能略有提升,带宽需求降低30.6%,与Token协议相比,HP-SRW协议以4.7%的时间性能为代价,带宽需求降低66.5%。(本文来源于《计算机工程》期刊2017年10期）
熊文军[6]（2017）在《面向Issue跟踪系统的变更请求报告分析及预测的研究》一文中研究指出为了度量和预测Issue跟踪系统的单个变更请求报告得到关闭、解决的可能性,本文定义若干衡量变更请求报告特征的指标,选择在训练数据集上预测效果最佳的指标构建Logistic回归预测模型。使用提出的方法对SourceForge的20个项目构成的测试数据集进行实验,在SourceForge得到平均查全率94%和平均伪正率14%。将SourceForge上筛选得到的5个指标迁移到JIRA项目做预测,得到查全率96.5%和伪正率56.1%。实验结果分析表明:提出的方法在不同的Issue跟踪系统测试数据集上取得较好的预测性能;关闭状态的变更请求报告所占的百分比或数量大小并不影响模型的性能;变更请求报告具有的某些特征可用于预测其在下一版本中得到关闭的可能性。Issue跟踪系统中的变更请求报告之间由于依赖、影响而产生复杂的“变更请求关联网络”。检测和识别网络图中重要的变更请求报告节点可以辅助开发者更好地理解、实现、修复变更请求报告所反映的需求。通过抓取Apache Hadoop相关项目的Issue Links以及其相关数据,在54个项目46759个变更请求报告包含38529对关联关系构建变更请求关联网络图,使用5个度量指标分析变更请求报告在所组成关联网络中的重要性。把预测单个变更请求关闭可能性的结果和在关联网络图使用网络度量指标分析得到的重要性排序度量指标(变更请求报告之间)进行相关性验证。得到的关闭可能性概率和局部度量指标(出度和度)的相关性和显着性比全局和随机游走指标要好,但相关程度较弱的结果。实验结果表明,具有关联关系的变更请求重要性分析比较复杂,需要全面考虑单个需求的重要性和它在全局关联网络位置。具有关联关系的需求需要重视后向上关联的需求,后向具有的需求越多,越需要综合分析。(本文来源于《云南大学》期刊2017-04-01）
徐浩,夏鑫珏,李辉,欧阳帆,刘海峰[7]（2016）在《计及充电请求预测补偿的电动汽车有序充电策略》一文中研究指出针对现有有序充电策略未能充分考虑和应用后续时段内新增充电请求的问题,提出了一种计及充电请求预测补偿的住宅区电动汽车有序充电控制策略。在均分出的每个控制时段末,该策略依据实际新增充电请求数据修正了先前控制时段对当前控制时段新增充电请求的预测结果,并采用预测结果对后续各控制时间段内的新增待充电请求作了补偿,提高了充电请求预测结果的应用效果。在此基础上,构建了使系统负荷波动最小的有序充电控制模型。大量的算例分析及结果表明,该策略实施效果上佳,应用前景可观。(本文来源于《电力系统保护与控制》期刊2016年24期）
张强,闫斌,杨蔚,周辉[8]（2016）在《基于预测的混和自动重传请求算法》一文中研究指出为了解决无线传输过程中无线信道易受多径效应、抖动效应、衰落等因素的影响而使传输的有效性和可靠性得不到保障的问题,提出了一种基于预测的混和自动重传请求算法。利用隐马尔科夫模型预测传输过程中下一时刻的丢包率,根据不同时刻丢包率状态的比值关系动态调节里德-索洛蒙(Reed-Solomon)码的监督元数量。仿真结果表明,该算法与传统Ⅰ型混和自动重传请求(HARQ)算法和Ⅱ型混和自动重传请求(HARQ)算法相比,能够明显减少重传次数,降低误码率,通信可靠性明显提高。(本文来源于《通信技术》期刊2016年05期）
张强[9]（2016）在《基于丢包率预测的混合自动重传请求算法研究》一文中研究指出在无线通信环境中,无线信道由于常常受到噪声干扰、多径效应、阴影效应等因素的影响而变的不稳定,信号的能量也会随着传输距离的增大而减弱,使得传输误码率较高,从而影响数据传输质量。差错控制是无线传输中提高通信可靠性的常用手段。通常差错控制算法有前向纠错算法(FEC,Forward Error Correction)、自动重传请求算法(ARQ,Automatic Repeat reQuest)和混合自动重传请求算法(HARQ,Hybrid Automatic Repeat Request)叁种。对于FEC算法通常采用信道编码的方式,将所要传输的信息加入冗余码元得到可以纠错的信息,在接收端将存在差错的信息进行错误纠正;ARQ算法通过对所要传输的信息进行检错码编码,使得接收端可以判断所接收的信息是否存在错误,如果存在错误则再次传输此数据包;HARQ算法是FEC和ARQ两种算法的结合,既具有纠错能力也具有重传能力。HARQ算法是一种优良的差错控制方式,也是国内外无线通信领域研究热点之一。本文首先对国内外研究现状进行了分析,并研究了FEC、ARQ、HARQ算法的基本原理及实现过程,指出了各个算法在无线通信中所存在的不足之处。着重分析了HARQ算法的分类及实现原理。然后,详述了隐马尔科夫模型(Hidden Markov Model,HMM)的结构框架,分析了HMM在实际应用中所能解决的问题并且研究了HMM在无线信道中的比特级模型和数据包模型,随后提出了基于HMM的丢包率预测模型。提出了一种以丢包率变化趋势为RS码编码决策原则的自适应HARQ算法。以HMM丢包率预测为基础,根据丢包率的变化动态调节RS码编码方案,实现HARQ算法的自适应信道状态匹配。最后,对改进的HARQ算法和叁种传统HARQ算法进行仿真并对其结果进行对比分析,验证了此基于丢包率预测的HARQ算法的可行性。(本文来源于《电子科技大学》期刊2016-04-01）
王承奔[10]（2015）在《基于实物资产请求权的金融相关比率预测研究》一文中研究指出本文汇总整理了历年具有实物资产请求权的金融资产,利用非参数核估计、脉冲响应与方差分解函数以及交叉相关系数等方法,探究金融资产与国民收入的关系,然后比较分析了ARIMA模型与VAR模型在预测金融相关比率中的优劣,发现VAR模型不仅体现了经济因素对金融资产的影响,而且拟合效果更好.本文选用VAR模型预测金融相关比率,结果显示出我国金融规模有过度扩张的风险.(本文来源于《赤峰学院学报(自然科学版)》期刊2015年17期）
请求预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对现有弹性云服务器(Elastic Cloud Server,ECS)未来请求量预测模型准确度低,稳定性差等问题,提出了一种基于自适应遗传算法和BP神经网络的预测模型。该模型以BP神经网络作为基础模型进行预测。采用自适应遗传算法(Genetic Algorithm,GA)优化神经网络初始权值和阈值,防止BP神经网络训练过程中陷入局部极小值。在自适应遗传算法初期引入多子代交叉方法加快遗传算法的收敛速度。通过对比实验表明,该模型在实际云服务器请求量预测过程中具有更好的准确性和稳定性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
请求预测论文参考文献
[1].戚凯强,杨晨阳,韩圣千.基于实测数据集预测用户请求行为对主动边缘缓存的影响[J].信号处理.2019
[2].胡晔明,李强.基于自适应遗传算法和BP神经网络的云服务器请求量预测模型[J].通信技术.2019
[3].熊文军,张璇,王旭,李彤,尹春林.面向Issue跟踪系统的变更请求报告关闭可能性预测[J].计算机科学.2017
[4].鲍伟,孔慧芳.基于广义预测控制的DCT换挡过程发动机扭矩请求控制[J].中国公路学报.2017
[5].王云霏,李媛,王飙.基于访存局部性的一致性请求广播范围预测[J].计算机工程.2017
[6].熊文军.面向Issue跟踪系统的变更请求报告分析及预测的研究[D].云南大学.2017
[7].徐浩,夏鑫珏,李辉,欧阳帆,刘海峰.计及充电请求预测补偿的电动汽车有序充电策略[J].电力系统保护与控制.2016
[8].张强,闫斌,杨蔚,周辉.基于预测的混和自动重传请求算法[J].通信技术.2016
[9].张强.基于丢包率预测的混合自动重传请求算法研究[D].电子科技大学.2016
[10].王承奔.基于实物资产请求权的金融相关比率预测研究[J].赤峰学院学报(自然科学版).2015