[發明專利]基于神經網絡學習的業務分類方法

有效

• 申請號: 201510044591.7
• 申請日: 2015-01-29
• 公開（公告）號: CN104602142B
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 路宏濤;姜定勇;劉東明;劉哲
• 申請（專利權）人: 太倉市同維電子有限公司
• 主分類號: H04Q11/00
• 分類號: H04Q11/00;H04L12/24
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 楊文錄

1.一種基于神經網絡學習的業務分類方法，其特征是:本方法包括十步，第一步啟動待業務分類的IP網絡組件，第二步靜態配置待分類業務的優先級和帶寬要求，第三步模擬用戶網絡訪問行為，第四步記錄采集到的業務數據特征信息，第五步使靜態配置業務優先級和帶寬要求達到一定的網絡訪問滿意度是對于每種上網行為，反復執行第二步、第三步、第四步，盡可能覆蓋大部分用戶網絡訪問行為，使靜態配置業務優先級和帶寬要求達到一定的網絡訪問滿意度；第六步采集以上業務數據特征信息是通過真實無源光網絡PON網絡系統進行；此種情形下，靜態配置業務優先級和帶寬要求通過網絡管理單元下發到各光網絡單元ONU，各光網絡單元ONU完成業務特征信息采集，然后上報到指定的文件服務器；第七步數據采集完畢，第八步對數據進行歸一化處理，第九步按時間順序將歸一化處理后的訓練樣例數據輸入神經網絡，第十步應用實際的網絡過程。

2.根據權利要求1所述的基于神經網絡學習的業務分類方法，其特征是:所述的第一步啟動待業務分類的IP網絡組件是為了執行第二步～第六步進行神經網絡訓練樣例數據采集；所述的第二步是在待業務分類的IP網絡組件上開啟業務數據特征信息采集；所述的第三步模擬用戶網絡訪問行為是使各種事先靜態配置優先級的各類業務經過開啟業務數據特征信息采集的IP網絡組件。

3.根據權利要求1所述的基于神經網絡學習的業務分類方法，其特征是:所述的第四步記錄采集到的業務數據特征信息是同時保存相應的靜態配置優先級和帶寬要求，所述的業務數據特征信息包括上行報文大小平均值與方差、上行報文到達間隔平均值與方差、當前業務上行緩存大小、當前業務丟包率、當前業務網絡時延。

4.根據權利要求1所述的基于神經網絡學習的業務分類方法，其特征是:所述的第七步數據采集完畢是光網絡單元ONU下的采樣數據各自匯聚在一起是為了執行第八步、第九步進行神經網絡訓練；所述的第八步對數據進行歸一化處理是上行報文大小平均值與方差、上行報文到達間隔平均值與方差、上行緩存大小、丟包率、當前業務平均響應延時歸一化之后，按時間排序；所述的第九步按時間順序將歸一化處理后的訓練樣例數據輸入神經網絡是求出業務優先級網絡權重向量W_{網絡權重向量}，針對各光網絡單元ONU分別求出各自的權重向量W。

5.根據權利要求1所述的基于神經網絡學習的業務分類方法，其特征是:所述的第十步應用實際的網絡過程是與訓練樣例采集類似，所不同的是，此時業務的優先級由神經網絡實時輸出。

6.根據權利要求3所述的基于神經網絡學習的業務分類方法，其特征是:使用光網絡單元ONU和光線路終端OLT和具有與光網絡單元ONU和光線路終端OLT相似的業務分類需求的IP網絡組件進行所述的特征信息采集。