[发明专利]基于ELM的网络信息热点预测系统和方法

权利要求书

1.基于ELM的网络信息热点预测系统，其特征在于：包括：

采集单元(101)：用于采集待测网络信息热点的历史点击率数据，构成网络信息热点的学习样本；

估计单元(102)：用于对网络信息热点数据的延迟时间τ和嵌入维m进行估计，并对网络信息热点数据进行变换，得到训练样本和测试样本；

训练单元(103)：用于采用极限学习机器训练网络信息热点样本，训练过程中，采用Cholesky分解方法对极限学习机器的权值β_L进行最优求解；

模型建立单元(104)：用于利用极限学习机器的权值β_L，建立网络信息热点的预测模型；

预测单元(105)：用于利用预测模型，对网络信息热点的测试样本进行预测。

2.根据权利要求1所述的基于ELM的网络信息热点预测系统，其特征在于：所述估计单元(102)对网络信息热点数据的延迟时间τ和嵌入维m进行估计时，具体是采用关联积分算法来确定最优的延迟时间τ和嵌入维m。

3.基于ELM的网络信息热点预测方法，其特征在于：包括以下步骤：

S101、采集待测网络信息热点的历史点击率数据，构成网络信息热点的学习样本；

S102、对网络信息热点数据的延迟时间τ和嵌入维m进行估计，并对网络信息热点数据进行变换，得到训练样本和测试样本；

S103、采用极限学习机器训练网络信息热点样本，训练过程中，采用Cholesky分解方法对极限学习机器的权值β_L进行最优求解；

S104、利用极限学习机器的权值β_L，建立网络信息热点的预测模型；

S105、利用预测模型，对网络信息热点的测试样本进行预测。

4.根据权利要求3所述的基于ELM的网络信息热点预测方法，其特征在于：所述对网络信息热点数据的延迟时间τ和嵌入维m进行估计时，具体是采用关联积分算法来确定最优的延迟时间τ和嵌入维m。