-
公开(公告)号：CN113379092B
公开(公告)日：2022-12-09
申请号：CN202010157077.5
申请日：2020-03-09
Applicant: 西北工业大学青岛研究院
Abstract: 本发明提出了一种面向大数据的骨干网多业务流量估计方法及系统。本发明的方法基于压缩感知技术，利用测量矩阵约束动态变化矩阵，建立动态变化矩阵约束函数，然后基于动态变化矩阵约束函数，求解层析成像模型的优化模型，实现低频分量的估计，本发明将压缩感知技术与网络层析成像技术结合，克服了网络层析成像模型的病态特性，提高网络流量估计的精度，并无需直接测量骨干网的所有端到端网络流量，提高了骨干网流量获取的效率。
-
Patent Agency Ranking
公开(公告)号：CN110635973A
公开(公告)日：2019-12-31
申请号：CN201911086872.3
申请日：2019-11-08
Applicant: 西北工业大学青岛研究院
Abstract: 本发明公开一种基于强化学习的骨干网络流量确定方法及系统，所述方法包括：根据获取的骨干网络中所有的链路、所有的路由器和所有的端口，确定路由矩阵；根据路由矩阵，确定即刻奖赏矩阵；根据即刻奖赏矩阵，确定累计奖赏矩阵；对累计奖赏矩阵进行强化学习，确定最优累计奖赏矩阵；根据最优累计奖赏矩阵，确定骨干网络中待测量的路由器；判断所述待测量的路由器是否小于端到端流量阈值；根据判断结果判断是否直接测量待测量的路由器的流量，进而确定骨干网络流量。本发明所提供的一种基于强化学习的骨干网络流量确定方法及系统，能够保证网络流量确定的准确性。
-
公开(公告)号：CN110855485A
公开(公告)日：2020-02-28
申请号：CN201911086587.1
申请日：2019-11-08
Applicant: 西北工业大学青岛研究院
IPC: H04L12/24
Abstract: 本发明公开了一种IP骨干网网络流量确定方法和系统。所述方法包括：构建深度信念网络模型；所述深度信念网络模型为以链路负载数据的快拍数据为输入，以端到端流量值的快拍数据为输出的神经网络模型；采集IP骨干网网络的链路负载数据；将所述链路负载数据进行归一化处理，得到先验测量值；提取所述先验测量值中的快拍数据；将所述先验测量值中的快拍数据输入所述深度信念网络模型，确定所述IP骨干网网络的端到端流量值的快拍数据；根据所述端到端流量值的快拍数据，确定所述IP骨干网网络的流量值。本发明提供的IP骨干网网络流量估计方法和系统，能够提高网络流量估计的准确性，且具有估计效率高的特点。
-
公开(公告)号：CN110839253A
公开(公告)日：2020-02-25
申请号：CN201911086592.2
申请日：2019-11-08
Applicant: 西北工业大学青岛研究院
Abstract: 本发明公开了一种确定无线网格网络流量的方法和系统。所述方法包括：构建深度信念网络模型；采集待检测无线网格网络的端到端流量，并将端到端流量作为第一网络流量的先验测量值；对先验测量值进行零均值处理，并获得处理后的零均值网络流量值的低频分量和高频分量；将低频分量输入深度信念网络模型，获得网络流量的低频预测值；采用空-时压缩感知技术预测高频分量，获得网络流量的高频预测值；将网络流量的低频预测值和网络流量的高频预测值进行离散小波变换，获得端到端流量的预测值，即获得待检测网络的流量值。本发明提供的预测无线网格网络流量的方法和系统，能够对网络流量进行精确预测，且具有预测难度低的特点。
-
公开(公告)号：CN110635973B
公开(公告)日：2022-07-12
申请号：CN201911086872.3
申请日：2019-11-08
Applicant: 西北工业大学青岛研究院
IPC: H04L43/0876 , H04L43/16 , G06N20/00
Abstract: 本发明公开一种基于强化学习的骨干网络流量确定方法及系统，所述方法包括：根据获取的骨干网络中所有的链路、所有的路由器和所有的端口，确定路由矩阵；根据路由矩阵，确定即刻奖赏矩阵；根据即刻奖赏矩阵，确定累计奖赏矩阵；对累计奖赏矩阵进行强化学习，确定最优累计奖赏矩阵；根据最优累计奖赏矩阵，确定骨干网络中待测量的路由器；判断所述待测量的路由器是否小于端到端流量阈值；根据判断结果判断是否直接测量待测量的路由器的流量，进而确定骨干网络流量。本发明所提供的一种基于强化学习的骨干网络流量确定方法及系统，能够保证网络流量确定的准确性。
-
公开(公告)号：CN113379092A
公开(公告)日：2021-09-10
申请号：CN202010157077.5
申请日：2020-03-09
Applicant: 西北工业大学青岛研究院
Abstract: 本发明提出了一种面向大数据的骨干网多业务流量估计方法及系统。本发明的方法基于压缩感知技术，利用测量矩阵约束动态变化矩阵，建立动态变化矩阵约束函数，然后基于动态变化矩阵约束函数，求解层析成像模型的优化模型，实现低频分量的估计，本发明将压缩感知技术与网络层析成像技术结合，克服了网络层析成像模型的病态特性，提高网络流量估计的精度，并无需直接测量骨干网的所有端到端网络流量，提高了骨干网流量获取的效率。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
