基于CNN卷积神经网络的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上 基于CNN卷积神经网络的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上 基于CNN卷积神经网络的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上

控制平面是整个SDN体系结构的控制中心，负责维护全网状态信息，生成全网视图，根据全网视图制定并下发数据转发规则。控制平面的性能对整个SDN网络的性能有着决定性的影响。然而基于数据平面转发设备数量增多的发展趋势以及流控制力度细化和控制平面的管控功能复杂化的现状，控制平面的性能优化已经势在必行。通常时延，带宽和吞吐量是评价网络性能的关键指标。对于SDN的控制平面而言，时延表示控制平面成功响应一次流请求事件所花费的时间；带宽表示控制平面与数据平面之间的控制通道的容量，直接决定了控制平面可以连接的交换机的数目，影响着整个SDN网络的可扩展性。吞吐量是指控制器每秒钟能够处理的流请求数量。下面将从上述３个方面对SDN控制平面的性能优化技术进行分析和总结。

基于麻雀算法优化xgboost的数据回归预测（SSA-XGboost）（Matlab完整程序和数据） 运行版本为2018及以上 优化参数为迭代次数、最大深度和学习率 利用交叉验证抑制过拟合问题

基于麻雀搜索算法优化的随机森林（SSA-RF）的数据回归预测（Matlab完整程序和数据） 运行版本为2018及以上 采用交叉验证抑制过拟合问题

基于深度置信网络的多输入单输出回归预测（DBN）（Matlab完整程序和数据） 1.data为数据集，格式为excel，7个输入特征，1个输出特征； 2.MainDBN.m为主程序文件，运行即可，其他为函数文件，无需运行； 3.命令窗口输出R2、MAE和MBE； 4.运行版本为2018及以上

基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 运行版本2018及以上

基于随机森林算法（RF）的数据回归预测 （Matlab完整程序和数据） 运行版本2018及以上 基于随机森林算法（RF）的数据回归预测 （Matlab完整程序和数据） 运行版本2018及以上 基于随机森林算法（RF）的数据回归预测 （Matlab完整程序和数据） 运行版本2018及以上

基于BP神经网络的数据回归预测（Matlab完整程序和数据） 基于BP神经网络的数据回归预测（Matlab完整程序和数据） 基于BP神经网络的数据回归预测（Matlab完整程序和数据）

基于BP神经网络的数据分类预测（Matlab完整程序和数据） 基于BP神经网络的数据分类预测（Matlab完整程序和数据） 基于BP神经网络的数据分类预测（Matlab完整程序和数据）

基于BP神经网络的时间序列预测（Matlab完整程序和数据） 基于BP神经网络的时间序列预测（Matlab完整程序和数据） 基于BP神经网络的时间序列预测（Matlab完整程序和数据）