公开(公告)号：CN109951392A

公开(公告)日：2019-06-28

申请号：CN201910098823.5

申请日：2019-01-31

Applicant: 武汉大学

Inventor： 徐彦彦 ,  饶哲恒 ,  宋方振 ,  赵啸 ,  唐鑫

IPC: H04L12/733 ,  H04L12/723 ,  H04L12/725

Abstract: 本发明公开了一种基于深度学习的中大型网络智能路由选择方法，可用于中大型网络中的智能流量控制。在网络流量控制中，提出一种递归式的分块思想，可根据不同的用户需求和计算能力，将大型网络有规则的拆分成子块，通过深度学习的方法学习子块中的流量模式特征，分析评价子块学习效果后，择优选择子块路由，补充剩余的路由步骤，输出相应整体路由。该方法不仅实现了路由选择中的数据降维，还可根据用户不同需求和差异性计算条件，智能、灵活的完成中大型网络中的路由选择问题，相较于已有方法，本发明提出的方法是一种具有更高路由准确度和更少的预测时间损耗的智能路由方法。

公开(公告)号：CN109951392B

公开(公告)日：2021-07-02

申请号：CN201910098823.5

申请日：2019-01-31

Applicant: 武汉大学

Inventor： 徐彦彦 ,  饶哲恒 ,  宋方振 ,  赵啸 ,  唐鑫

IPC: H04L12/733 ,  H04L12/723 ,  H04L12/725

Abstract: 本发明公开了一种基于深度学习的中大型网络智能路由选择方法，可用于中大型网络中的智能流量控制。在网络流量控制中，提出一种递归式的分块思想，可根据不同的用户需求和计算能力，将大型网络有规则的拆分成子块，通过深度学习的方法学习子块中的流量模式特征，分析评价子块学习效果后，择优选择子块路由，补充剩余的路由步骤，输出相应整体路由。该方法不仅实现了路由选择中的数据降维，还可根据用户不同需求和差异性计算条件，智能、灵活的完成中大型网络中的路由选择问题，相较于已有方法，本发明提出的方法是一种具有更高路由准确度和更少的预测时间损耗的智能路由方法。