一種基於複雜通信網絡信道數據挖掘路徑預測算法的製作方法

2023-06-03 08:53:11 2

專利名稱：一種基於複雜通信網絡信道數據挖掘路徑預測算法的製作方法
技術領域：
本發明涉及一種複雜通信網絡信道數據路徑預測算法，屬於通信技術領域
背景技術：
現代通信網絡將各種物理網絡聯接起來，形成一個複雜的網絡拓撲結構，此網絡中存在著一定的冪律現象，如處理器的冪律分布、業務量的自(互)相似性、數據包的延時特性等，在複雜的通信網絡的表象下是否隱藏著簡潔的秩序與結構，進而去挖掘某些數據的動態規律及特徵，以對通信網絡的各種複雜現象的機理進行解釋。文獻[I]通過分析網絡節點數據的相關函數，可以挖掘出數據的相關特性中存在著相變現象。並在臨界點處，某些數據的功率譜存在著一致的冪律特性；文獻[2-3]利用數據節點排隊的均方漲落函數，研究了複雜通信網絡中節點在時間上的長程相關特性；隨著網絡負載的增加，可以挖掘出網絡節點數據的排隊長度由自由流狀 態的不相關或短程相關特性逐漸演變為臨界和擁塞狀態下的的長程相關特性，其關聯範圍將逐漸增大，可以挖掘出數據的長程相關特性。
基於以上複雜網絡節點數據的相關性研究。本發明將複雜通信網絡看作是路徑預測算法產生的節點數據迭代序列形成的BANACH空間，通過路由準則算子從源數據挖掘出目的數據，將為進一步研究通信複雜網絡的規律性、動態性奠定一定的基礎。

發明內容
發明將複雜通信網絡看作是路徑預測算法產生的節點數據迭代序列形成的BANACH空間，通過路由準則算子從源數據挖掘出目的數據，將為通信網絡路由、定位、跟蹤、數據挖掘等算法奠定一定的理論基礎。複雜通信網絡具有分布式、多層次、動靜混合等形式，採用此ML路徑預測算法，可以挖掘WEB的數據信息，得出馬爾可夫路徑預測模型。可以進一步得出複雜通信網絡的複雜動態行為，可以更好的選擇路由，挖掘數據。從而對複雜通信網絡的信道節點實施更精確的跟蹤、定位。將有利於進一步對大規模通信網絡中網絡擁塞、異常基點的搜索與跟蹤等研究領域。本發明解決其技術問題所採用的技術方案是:為了方便研究複雜通信網絡信道路徑預測的相關問題，本發明引入數據節點自相關特性。複雜通信網絡節點行為具有長程相關冪律特性，其長程相關性是用節點數據的排隊長度來折射時間上的長程相關特性。定義給定數據節點的均方漲落函數為[4]
AH( T ) = H(t0+ T )-H(t0) (t0 = 1,2,...,)(I)
通信網絡中的數據節點在時間段[l，k]上的數據累積量為
H(k) = Xq(t)(2)
/=1
其中，q(t)表示t時刻數據排隊長度。定義自相關函數C(T)為
C ( T ) = q ( T +t0) q (t0) -q2 (t0)(3)則有數據節點的均方漲落函數的均方根F ( T )為
權利要求
1.本發明是一種複雜通信網絡信道數據路徑預測算法，屬於通信技術領域，其特徵在於:將複雜通信網絡看作是路徑預測算法產生的節點數據迭代序列形成的BANACH空間，通過路由準則算子從源數據挖掘出目的數據，將為進一步研究通信複雜網絡的規律性、動態性奠定一定的基礎。
2.本發明所提出的算法，在複雜通信網絡中數據進入信道節點後，根據一定的路由規貝U，信道節點之間相關行為通過彼此間相互傳遞數據而產生。對於單個信道節點的數據排隊長度，在時間上由不相關特性逐漸演變到長程相關特性，其長程相關特性是信道節點間的整體湧現行為與特性。而數據累積量H隨通信網絡規模的增大而下降，信道節點數增多，數據從源節點要經過更多的節點才能到達目的節點，而單個信道節點的數據對通信網絡整體行為的影響將降低，數據平均排隊長度的整體特性更依賴於通信網絡中的其他節點，使通信網絡中所有信道節點的群體行為與作用更為明顯。
3.採用MaximumLikelihood(ML)路徑預測算法,建立HMM模型[7],用模型五元組入=(N，M，ji，A，B)來描述，其中，N為狀態數目；M表示每個狀態可能的觀察值數目；A為與時間無關的狀態轉移概率矩陣為給定狀態症觀察值概率分布；為初始狀態空間的概率分布。
4.根據權利要求3所述的算法，其特徵在於，當給定模型\= (N，M，ji，A，B)時，觀察序列O = O1, O2,…，Or由以下步驟產生: (1)根據初始狀態概率分布n= Hi選擇一初始狀態Q1 = Si。(2)設t = I。
(3)根據狀態Sj的輸出概率分布bj(k),輸出Oi= Vko (4)根據狀態轉移概率分布au轉移到新狀態qt+1= Sj。(5)設t= t+1，如果t < T，重複3，4，否則結束。
全文摘要
由於複雜網絡內部存在著一定的冪律現象，其網絡節點之間著存在相關特性，根據這一特性，引入一個複雜網絡模型，把複雜網絡看作由馬爾可夫鏈的路由節點迭代序列形成的網絡，並根據路徑預測算法，可以很好地進行目標跟蹤及定位、數據挖掘等，通過路由準則的算子從源節點到目的節點與Banach空間的不動節點相對應，複雜網絡的規模越大，節點間的群體作用越顯著，就越能顯現此種複雜網絡數據挖掘算法的優越性。
文檔編號G06F17/30GK103152253SQ20131003720
公開日2013年6月12日 申請日期2013年1月17日 優先權日2013年1月17日
發明者王少夫 申請人:王少夫