[發(fā)明專利]一種基于FCM的大規(guī)模路由網(wǎng)絡(luò)表達方法

有效

• 申請?zhí)枺?/td>: 202011471340.4
• 申請日: 2020-12-15
• 公開（公告）號: CN112583723B
• 公開（公告）日: 2022-08-26
• 發(fā)明（設(shè)計）人: 舒航;李兵;李剛;張鵬;陳保福;周杰
• 申請（專利權(quán)）人: 東方紅衛(wèi)星移動通信有限公司
• 主分類號: H04L45/02
• 分類號: H04L45/02;H04L45/00;G06K9/62
• 代理公司: 重慶輝騰律師事務(wù)所 50215
• 代理人: 王海軍

本發(fā)明屬于網(wǎng)絡(luò)拓撲結(jié)構(gòu)分析領(lǐng)域，具體涉及一種基于FCM的大規(guī)模路由網(wǎng)絡(luò)表達方法，該方法包括：通過模糊均值聚類對大規(guī)模網(wǎng)絡(luò)拓撲結(jié)構(gòu)進行分解，得到粒度粗化的球體。在各個球體間進行隨機游走得到宏觀序列，在球體內(nèi)進行隨機游走得到局部序列。最后使用無監(jiān)督學(xué)習(xí)算法Skip?Gram進行訓(xùn)練，得到每個設(shè)備的低維向量表達；本發(fā)明采用多粒度的思想，將初始網(wǎng)絡(luò)根據(jù)性質(zhì)進行劃分，需要計算網(wǎng)絡(luò)設(shè)備的三種性質(zhì)：度中心性、中介中心性、特征向量中心性，從不同粒度上進行考慮可以提高效率和提升效果；相較于傳統(tǒng)算法，本發(fā)明的算法復(fù)雜度低，并行能力強，適合于大規(guī)模的復(fù)雜網(wǎng)絡(luò)。

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)絡(luò)拓撲結(jié)構(gòu)分析領(lǐng)域，具體涉及一種基于FCM的大規(guī)模路由網(wǎng)絡(luò)表達方法。

背景技術(shù)

隨著衛(wèi)星通信和互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)結(jié)構(gòu)的規(guī)模呈指數(shù)增加，針對復(fù)雜的大規(guī)模網(wǎng)絡(luò)分析成為當前的重要問題。傳統(tǒng)用鄰接矩陣表示網(wǎng)絡(luò)的結(jié)構(gòu)，它的維度為設(shè)備數(shù)n的平方，對于真實世界的大規(guī)模網(wǎng)絡(luò)是不能接受的。而且大部分網(wǎng)絡(luò)是稀疏的，用鄰接矩陣表示會有很多的冗余信息。基于嵌入的網(wǎng)絡(luò)表達方法旨在學(xué)習(xí)設(shè)備在低維空間中的連續(xù)稠密表示，從而減少噪聲和冗余信息。

如果直接針對原網(wǎng)絡(luò)進行訓(xùn)練復(fù)雜度會很高，通過分而治之的思想，將原網(wǎng)絡(luò)進行粒度分層，然后采用并行計算的思想，加快模型訓(xùn)練速度。提出用FCM進行模糊聚類，相比于硬聚類算法，F(xiàn)CM對于孤立點是敏感的。先對聚類的每個球體進行宏觀的訓(xùn)練，它可以讓模型在前期快速的收斂；然后針對具體設(shè)備進行局部的訓(xùn)練，對每個設(shè)備的向量進行細微調(diào)整。

發(fā)明內(nèi)容

為解決以上現(xiàn)有技術(shù)存在的問題，本發(fā)明提出了一種基于FCM的大規(guī)模路由網(wǎng)絡(luò)表達方法，該方法包括：

S1：獲取大規(guī)模路由拓撲結(jié)構(gòu)，將大規(guī)模路由拓撲結(jié)構(gòu)輸入到FCM模型中，得到大規(guī)模路由拓撲結(jié)構(gòu)中每個設(shè)備的特征z_j；

S2：確定將設(shè)備劃分到球體的個數(shù)，對球體個數(shù)進行初始化；確定每個球體的特征c_i；根據(jù)設(shè)備的特征和球體特征計算每個設(shè)備屬于球體的隸屬度

S3：根據(jù)設(shè)備的特征z_j、每個球體的特征c_i以及隸屬度計算模糊均值聚類算法的目標函數(shù)J；

S4：對目標函數(shù)中的變量求導(dǎo)，根據(jù)求導(dǎo)結(jié)果更新目標函數(shù)J的值；

S5：重復(fù)步驟S4，當目標函數(shù)J的值固定時停止更新，輸出此時的隸屬度u_ij；

S6：根據(jù)隸屬度u_ij將各個設(shè)備劃到對應(yīng)的球體中；

S7：計算各個球體間的相似度以及球體內(nèi)各個設(shè)備之間的相似度；

S8：根據(jù)球體間的相似度和宏觀隨機游走模型對球體序列進行處理，得到球體向量Φ(c_i)；根據(jù)球體內(nèi)各個設(shè)備之間的相似度和局部隨機游走模型對設(shè)備序列進行處理，得到設(shè)備向量Φ(z_j)；

S9：初始化球體向量Φ(c_i)和設(shè)備向量Φ(z_j)；采用無監(jiān)督算法Skip-Gram更新球體向量和設(shè)備向量，得到包含語義信息的低維向量。

優(yōu)選的，構(gòu)建大規(guī)模路由拓撲結(jié)構(gòu)圖包括：獲取網(wǎng)絡(luò)中的各個設(shè)備的位置以及設(shè)備間的連接關(guān)系，將各個設(shè)備作為節(jié)點，設(shè)備的連接作為通信鏈路；設(shè)備的特征包括：每個設(shè)備在網(wǎng)絡(luò)中的度中心性、中介中心性和特征向量中心性。

進一步的，度中心性的公式為：

中介中心性的公式為：

特征向量中心性的公式為：