0% Complete
فارسی
Home
/
دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی
Using Advanced Ensemble Machine Learning Models to Predict Traffic in SDN-Based Networks: A Comparative Study of Bagging, Boosting, and Stacking Approaches
Authors :
Raha Pakzad
1
Sasan GharaPasha
2
Nasrin Firouz
3
Ramin Habibzadehsharif
4
1- دانشگاه آیین کمال ارومیه
2- دانشگاه آیین کمال ارومیه
3- دانشگاه آیین کمال ارومیه
4- دانشگاه آیین کمال ارومیه
Keywords :
SDN،Traffic Prediction،Ensemble Learning،Random Forest،XGBoost،LightGBM،Bagging،Boosting،Stacking
Abstract :
Predicting network traffic in Software-Defined Networking (SDN) environments is essential for proactive resource allocation and congestion management. Ensemble machine learning models that combine multiple weak learners, including Bagging, Boosting, and Stacking, have demonstrated superior predictive capabilities in complex domains. This study evaluates the effectiveness of Random Forest (RF) as a Bagging method, XGBoost and LightGBM as Boosting techniques, and a meta-learner-based Stacking ensemble for traffic prediction in SDN networks. Using a comprehensive dataset of SDN traffic traces, we investigate model accuracy, training efficiency, and robustness. Experimental results reveal that Stacking leveraging base learners from both Bagging and Boosting families consistently outperforms individual methods, offering a balanced trade-off between accuracy and computational cost. This work highlights the potential of ensemble strategies for dynamic traffic prediction and intelligent SDN management.
Papers List
List of archived papers
Biomechanical Contrast Between Native and Decellularized Triple-Negative Breast Tumors in Mice
Mohammad Javad Farjam - Saman Asadi - Ashkan Azimzadeh - Saeid Amanpour - AbdolMohammad Kajbafzadeh - Mohammad Ali Nazari
Early Alzheimer’s Detection with MRI-Based Deep Convolutional Neural Networks and Transfer Learning
Tabasom Musavi - M. J. Tarokh
افزایش پیش بینی بازار سهام از طریق هوش مصنوعی
سهیلا صمدی گلوجه - اسما حیدری پناه - زهرا علی لیواری - فاطمه خالقیان
A Comprehensive Review of Deep Learning Integration in Recommender Systems: Taxonomy, Challenges, and Future Directions
Saba Kheirkhah Kheirabadi - Dr. Azita Shirazipour - Dr.Seyed Javad Mirabedini
Optimization Dynamic Stability and Energy Efficiency in Human-Like Bipedal Robot Over a Full Gait Cycle
Mahdi Sadeghi - Mostafa Rostami - Soroush Sadeghnejad
HEALTH: Hyperbolic Embedding and Acoustic-based Learning for Topological Hierarchies in Parkinson’s Disease
Saghar Shafaati - S. Hossein Erfani
راهبرد تجاری و رفتار نامتقارن هزینهها با تاکید بر نقش توانایی مدیریتی شواهدی از شرکتهای پذیرفته شده بورس اوراق بهادار تهران و مسقط
علی انصاری - مهدی بشکوه
نقش اینترنت اشیا و هوش مصنوعی در کاهش مصرف انرژی در شهرهای هوشمند
حسنا هاشم بیگی
فناوری اطلاعات و ارتباطات و آموزش حسابداری
عبدالحسین علی پور - رسول ناصرحجتی رودسری - نسیم دانش
طراحی مدل هوشمند در جهت رتبهبندی شعب شرکتهای بیمه
مسعود سبزچی دهخوارقانی - میترا زابلی پیله رود
more
Samin Hamayesh - Version 42.4.1