[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星網(wǎng)絡(luò)協(xié)調(diào)態(tài)勢(shì)評(píng)估方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911409436.5
• 申請(qǐng)日: 2019-12-31
• 公開(kāi)（公告）號(hào): CN111222776B
• 公開(kāi)（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）人: 高翔;陳志敏;閆毅;姚秀娟
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院國(guó)家空間科學(xué)中心
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 北京方安思達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11472
• 代理人: 陳琳琳;李彪

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星網(wǎng)絡(luò)協(xié)調(diào)態(tài)勢(shì)評(píng)估方法，所述方法包括：

提取待協(xié)調(diào)的衛(wèi)星網(wǎng)絡(luò)的多個(gè)特征屬性；

將多個(gè)特征屬性輸入預(yù)先建立的卷積神經(jīng)網(wǎng)絡(luò)，輸出協(xié)調(diào)態(tài)勢(shì)評(píng)估結(jié)果；

所述衛(wèi)星網(wǎng)絡(luò)的多個(gè)特征屬性包括：衛(wèi)星網(wǎng)絡(luò)資料基礎(chǔ)屬性、頻率指配屬性和協(xié)調(diào)信息屬性；所述衛(wèi)星網(wǎng)絡(luò)資料基礎(chǔ)屬性包括：接收日期、軌位、所屬國(guó)家/組織、操作者；所述頻率指配屬性包括：波束指配個(gè)數(shù)、極化方式、業(yè)務(wù)區(qū)/全球ratio、業(yè)務(wù)、最小頻率、最大頻率、最大帶寬和最小帶寬；所述協(xié)調(diào)信息屬性包括：存在協(xié)調(diào)關(guān)系的衛(wèi)星網(wǎng)絡(luò)數(shù)量、存在協(xié)調(diào)關(guān)系的國(guó)家、存在協(xié)調(diào)關(guān)系的國(guó)家以及該國(guó)家的能力評(píng)估和存在協(xié)調(diào)關(guān)系的操作者數(shù)量；

所述卷積神經(jīng)網(wǎng)絡(luò)具體為：

所述卷積神經(jīng)網(wǎng)絡(luò)的輸入包括衛(wèi)星網(wǎng)絡(luò)的多個(gè)特征屬性；

所述卷積神經(jīng)網(wǎng)絡(luò)的神經(jīng)元間的連接是非全連接的，部分神經(jīng)元之間的連接的權(quán)重是共享的；

所述卷積神經(jīng)網(wǎng)絡(luò)的輸出為：是否通過(guò)協(xié)調(diào)；

所述方法還包括：對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的步驟，具體包括：

步驟S1)依據(jù)國(guó)際電聯(lián)衛(wèi)星網(wǎng)絡(luò)數(shù)據(jù)庫(kù)，建立訓(xùn)練集數(shù)據(jù)集合，對(duì)該集合進(jìn)行標(biāo)定和降維后得到訓(xùn)練樣本集：{(X_i,Y_i),1≤i≤m}，m為訓(xùn)練樣本數(shù)量；X_i為第i個(gè)訓(xùn)練樣本的輸入向量，Y_i為第i個(gè)訓(xùn)練樣本的標(biāo)簽；

步驟S2)前向傳播計(jì)算：

O_i＝F_s(...(F₂(F₁(X_iw⁽¹⁾)w⁽²⁾)...)w^(s))

數(shù)據(jù)從輸入層經(jīng)過(guò)逐級(jí)的變換，傳送到輸出層，其輸出結(jié)果為O_i，其中，w⁽¹⁾,w⁽²⁾…w^(s)分別為s個(gè)隱層的權(quán)值向量，F(xiàn)₁,F₂…F_s分別為s個(gè)隱層的處理函數(shù)；權(quán)值矩陣W為：

W＝(w⁽¹⁾,w⁽²⁾…w^(s))

步驟S3)反向傳播計(jì)算：

采用誤差函數(shù)，按照輸出集合O_i與Y_i極小化誤差準(zhǔn)則，進(jìn)一步調(diào)整權(quán)值矩陣W，直至權(quán)值矩陣W收斂；

所述步驟S1)具體包括：

步驟S1-1)據(jù)國(guó)際電聯(lián)衛(wèi)星網(wǎng)絡(luò)數(shù)據(jù)庫(kù)，建立訓(xùn)練集數(shù)據(jù)集合；

步驟S1-2)對(duì)訓(xùn)練集數(shù)據(jù)集合的數(shù)據(jù)進(jìn)行標(biāo)定操作，標(biāo)定結(jié)果為每個(gè)資料的協(xié)調(diào)通過(guò)概率，標(biāo)定方法如下：

其中，P(C_n)為第n條衛(wèi)星網(wǎng)絡(luò)的通過(guò)協(xié)調(diào)概率，C_n為第n條衛(wèi)星網(wǎng)絡(luò)記錄，grpNum_pass為通過(guò)協(xié)調(diào)的頻率指配數(shù)量，grpNum為具備協(xié)調(diào)關(guān)系的頻率指配數(shù)量，Index_Country_k為第k個(gè)協(xié)調(diào)國(guó)家的權(quán)重系數(shù)，Num_GSO_N為該國(guó)GSO衛(wèi)星網(wǎng)絡(luò)N資料數(shù)量，Total_all為全球GSO衛(wèi)星網(wǎng)絡(luò)N資料數(shù)量；

步驟S1-3)對(duì)于數(shù)據(jù)集中多值屬性數(shù)據(jù)，采取增益比率標(biāo)準(zhǔn)對(duì)數(shù)據(jù)打分，將分?jǐn)?shù)低于閾值的數(shù)據(jù)刪除，實(shí)現(xiàn)降維處理：

其中，GainRatio(S,A)為增益比率，Gain(S,A)為信息增益，SplitInformaion(S,A)為分裂信息項(xiàng)，用于衡量屬性分裂數(shù)據(jù)的廣度域均勻性：

其中，S為多值屬性A的數(shù)值集合，S_j為t個(gè)值的屬性A分割S而形成的t個(gè)子集。

2.一種基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星網(wǎng)絡(luò)協(xié)調(diào)態(tài)勢(shì)評(píng)估系統(tǒng)，其特征在于，所述系統(tǒng)包括：卷積神經(jīng)網(wǎng)絡(luò)、特征屬性提取模塊和協(xié)調(diào)態(tài)勢(shì)評(píng)估輸出模塊；

所述特征屬性提取模塊，用于提取待協(xié)調(diào)的衛(wèi)星網(wǎng)絡(luò)的多個(gè)特征屬性；

所述協(xié)調(diào)態(tài)勢(shì)評(píng)估輸出模塊，用于將多個(gè)特征屬性輸入所述卷積神經(jīng)網(wǎng)絡(luò)，輸出協(xié)調(diào)態(tài)勢(shì)評(píng)估結(jié)果；

所述衛(wèi)星網(wǎng)絡(luò)的多個(gè)特征屬性包括：衛(wèi)星網(wǎng)絡(luò)資料基礎(chǔ)屬性、頻率指配屬性和協(xié)調(diào)信息屬性；所述衛(wèi)星網(wǎng)絡(luò)資料基礎(chǔ)屬性包括：接收日期、軌位、所屬國(guó)家/組織、操作者；所述頻率指配屬性包括：波束指配個(gè)數(shù)、極化方式、業(yè)務(wù)區(qū)/全球ratio、業(yè)務(wù)、最小頻率、最大頻率、最大帶寬和最小帶寬；所述協(xié)調(diào)信息屬性包括：存在協(xié)調(diào)關(guān)系的衛(wèi)星網(wǎng)絡(luò)數(shù)量、存在協(xié)調(diào)關(guān)系的國(guó)家、存在協(xié)調(diào)關(guān)系的國(guó)家以及該國(guó)家的能力評(píng)估和存在協(xié)調(diào)關(guān)系的操作者數(shù)量；

所述卷積神經(jīng)網(wǎng)絡(luò)具體為：

所述卷積神經(jīng)網(wǎng)絡(luò)的輸入包括衛(wèi)星網(wǎng)絡(luò)的多個(gè)特征屬性；

所述卷積神經(jīng)網(wǎng)絡(luò)的神經(jīng)元間的連接是非全連接的，部分神經(jīng)元之間的連接的權(quán)重是共享的；

所述卷積神經(jīng)網(wǎng)絡(luò)的輸出為：是否通過(guò)協(xié)調(diào)；

所述卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，具體包括：

步驟S1)依據(jù)國(guó)際電聯(lián)衛(wèi)星網(wǎng)絡(luò)數(shù)據(jù)庫(kù)，建立訓(xùn)練集數(shù)據(jù)集合，對(duì)該集合進(jìn)行標(biāo)定和降維后得到訓(xùn)練樣本集：{(X_i,Y_i),1≤i≤m}，m為訓(xùn)練樣本數(shù)量；X_i為第i個(gè)訓(xùn)練樣本的輸入向量，Y_i為第i個(gè)訓(xùn)練樣本的標(biāo)簽；

步驟S2)前向傳播計(jì)算：

O_i＝F_s(...(F₂(F₁(X_iw⁽¹⁾)w⁽²⁾)...)w^(s))

數(shù)據(jù)從輸入層經(jīng)過(guò)逐級(jí)的變換，傳送到輸出層，其輸出結(jié)果為O_i，其中，w⁽¹⁾,w⁽²⁾…w^(s)分別為s個(gè)隱層的權(quán)值向量，F(xiàn)₁,F₂…F_s分別為s個(gè)隱層的處理函數(shù)；權(quán)值矩陣W為：

W＝(w⁽¹⁾,w⁽²⁾…w^(s))

步驟S3)反向傳播計(jì)算：

采用誤差函數(shù)，按照輸出集合O_i與Y_i極小化誤差準(zhǔn)則，進(jìn)一步調(diào)整權(quán)值矩陣W，直至權(quán)值矩陣W收斂；

所述步驟S1)具體包括：

步驟S1-1)據(jù)國(guó)際電聯(lián)衛(wèi)星網(wǎng)絡(luò)數(shù)據(jù)庫(kù)，建立訓(xùn)練集數(shù)據(jù)集合；

步驟S1-2)對(duì)訓(xùn)練集數(shù)據(jù)集合的數(shù)據(jù)進(jìn)行標(biāo)定操作，標(biāo)定結(jié)果為每個(gè)資料的協(xié)調(diào)通過(guò)概率，標(biāo)定方法如下：

其中，P(C_n)為第n條衛(wèi)星網(wǎng)絡(luò)的通過(guò)協(xié)調(diào)概率，C_n為第n條衛(wèi)星網(wǎng)絡(luò)記錄，grpNum_pass為通過(guò)協(xié)調(diào)的頻率指配數(shù)量，grpNum為具備協(xié)調(diào)關(guān)系的頻率指配數(shù)量，Index_Country_k為第k個(gè)協(xié)調(diào)國(guó)家的權(quán)重系數(shù)，Num_GSO_N為該國(guó)GSO衛(wèi)星網(wǎng)絡(luò)N資料數(shù)量，Total_all為全球GSO衛(wèi)星網(wǎng)絡(luò)N資料數(shù)量；

步驟S1-3)對(duì)于數(shù)據(jù)集中多值屬性數(shù)據(jù)，采取增益比率標(biāo)準(zhǔn)對(duì)數(shù)據(jù)打分，將分?jǐn)?shù)低于閾值的數(shù)據(jù)刪除，實(shí)現(xiàn)降維處理：

其中，GainRatio(S,A)為增益比率，Gain(S,A)為信息增益，SplitInformaion(S,A)為分裂信息項(xiàng)，用于衡量屬性分裂數(shù)據(jù)的廣度域均勻性：

其中，S為多值屬性A的數(shù)值集合，S_j為t個(gè)值的屬性A分割S而形成的t個(gè)子集。