[發明專利]基于設備連接關系的設備相似性聚類方法和系統

在審

• 申請號: 202011035816.X
• 申請日: 2020-09-27
• 公開（公告）號: CN112202606A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 王卓超;王智民
• 申請（專利權）人: 北京六方云信息技術有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;G06K9/62
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;王曉曉

1.一種基于設備連接關系的設備相似性聚類方法，其特征在于，所述方法包括：

計算網絡設備間的相似度，得到n維的相似度矩陣；

將所述n維的相似度矩陣降維為m維的相似度矩陣；

對所述m維的相似度矩陣進行聚類，得到所述網絡設備間聚類結果。

2.根據權利要求1所述的基于設備連接關系的設備相似性聚類方法，其特征在于，所述計算網絡設備間的相似度，包括：

采用simrank算法計算網絡設備間相似度。

3.根據權利要求2所述的基于設備連接關系的設備相似性聚類方法，其特征在于，所述采用simrank算法計算網絡設備間相似度，包括：

將網絡設備編號作為節點，將所述網絡設備間的連接關系作為邊，構建圖網絡；

初始化相似度矩陣，使得網絡設備間相似度為0，網絡設備與自身相似度為1；

利用simrank算法迭代計算圖網絡中網絡設備間相似度，直到相似度矩陣停止變化，得到n維的相似度矩陣。

4.根據權利要求1所述的基于設備連接關系的設備相似性聚類方法，其特征在于，所述將n維的相似度矩陣降維為m維的相似度矩陣，包括：

采用主成分分析法將n維的相似度矩陣降維為m維的相似度矩陣。

5.根據權利要求1所述的基于設備連接關系的設備相似性聚類方法，其特征在于，所述對m維的相似度矩陣進行聚類，包括：

采用K-Means算法對m維的相似度矩陣進行聚類。

6.根據權利要求5所述的基于設備連接關系的設備相似性聚類方法，其特征在于，所述采用K-Means算法對m維的相似度矩陣進行聚類，包括：

從m維的相似度矩陣中選取若干個值作為k值；

針對每個所述k值，對降維后的相似度矩陣進行K-Means聚類，得到聚類結果，并計算每個所述k值對應的誤差平方和；

計算所述誤差平方和中下降最快的點，得到所述下降最快的點對應的目標k值；

根據所述目標k值獲取所述目標k值對應的目標聚類結果，所述目標聚類結果為所述網絡設備間聚類結果。

7.根據權利要求6所述的基于設備連接關系的設備相似性聚類方法，其特征在于，所述采用K-Means算法對m維的相似度矩陣進行聚類，還包括：

在進行K-Means聚類前將每個所述k值發送到不同的分節點中；

在計算出所述聚類結果和所述誤差平方和后，每個所述分節點將所述聚類結果和所述誤差平方和返回到主節點上，并按照所述k值對所述誤差平方和進行排序。

8.一種基于設備連接關系的設備相似性聚類系統，其特征在于，所述系統包括：

相似度計算單元，用于計算網絡設備間的相似度，得到n維的相似度矩陣；

降維單元，用于將所述n維的相似度矩陣降維為m維的相似度矩陣；

聚類單元，用于對所述m維的相似度矩陣進行聚類，得到所述網絡設備間聚類結果。

9.根據權利要求8所述的基于設備連接關系的設備相似性聚類系統，其特征在于，所述相似度計算單元包括：

圖網絡構建模塊，用于將網絡設備編號作為節點，將所述網絡設備間的連接關系作為邊，構建圖網絡；

相似度矩陣初始化模塊，用于初始化相似度矩陣，使得網絡設備間相似度為0，網絡設備與自身相似度為1；

simrank相似度計算模塊，用于利用simrank算法迭代計算圖網絡中網絡設備間相似度，直到相似度矩陣停止變化，得到n維的相似度矩陣；

所述聚類單元包括：

k值選取模塊，用于從m維的相似度矩陣中選取若干個值作為k值；

節點模塊，用于針對所述k值，對降維后的相似度矩陣進行K-Means聚類，得到聚類結果，并計算所述k值對應的誤差平方和；用于計算所述誤差平方和中下降最快的點，得到所述下降最快的點對應的目標k值；用于根據所述目標k值獲取所述目標k值對應的目標聚類結果，所述目標聚類結果為所述網絡設備間聚類結果。