一种面向业务类型的基于模糊逻辑的异构网络切换方法

    公开(公告)号:CN114245426A

    公开(公告)日:2022-03-25

    申请号:CN202111371555.3

    申请日:2021-11-18

    Abstract: 本发明公开了一种面向业务类型的基于模糊逻辑的异构网络切换方法,包括:终端获得当前异构网络场景下各个候选网络的参数信息;将应用业务类型分为四类,分别是会话类应用、交互类应用、流类应用和后台类应用,并针对每类应用业务类型,以网络带宽、时延和误码率为元素,分别设计会话类输入隶属度函数、交互类输入隶属度函数、流类输入隶属度函数和后台类输入隶属度函数;根据终端当前的应用业务类型选择相应的输入隶属度函数输入到模糊推理模块中进行模糊推理;根据模糊推理结果选择最佳网络进行切换。本发明不仅可以根据终端的应用类型合理地选择最佳切换网络,满足终端地个性化服务需求,还可以有效地降低平均切换次数。

    一种基于PCA和XGBoost融合的业务类型识别方法

    公开(公告)号:CN114048795A

    公开(公告)日:2022-02-15

    申请号:CN202111202293.8

    申请日:2021-10-15

    Abstract: 本发明公开了一种基于PCA和XGBoost融合的业务类型识别方法,包括以下步骤:步骤S1、采集带有标签的网络流量数据集,网络流量数据集的业务类型包括HTTP、NTP、DNS、QQ、微信、视频和邮件;步骤S2、对步骤S1中的网络流量数据集进行数据清洗和特征提取,从而得到含有多维特征的网络流量数据集;步骤S3、利用主成分分析特征降维的方法将步骤S2中的多维特征简化成低维特征,得到带标签的低维数据集;步骤S4、得到训练好的极限梯度提升XGBoost分类模型;步骤S5、将待测的网络流量数据集输入到步骤S4中的极限梯度提升XGBoost分类模型,得到业务类型分类结果。本发明不仅可以降低识别方法的复杂度,同时还能够提高对业务类型识别的精度。

    一种基于PCA和XGBoost融合的业务类型识别方法

    公开(公告)号:CN114048795B

    公开(公告)日:2024-11-08

    申请号:CN202111202293.8

    申请日:2021-10-15

    Abstract: 本发明公开了一种基于PCA和XGBoost融合的业务类型识别方法,包括以下步骤:步骤S1、采集带有标签的网络流量数据集,网络流量数据集的业务类型包括HTTP、NTP、DNS、QQ、微信、视频和邮件;步骤S2、对步骤S1中的网络流量数据集进行数据清洗和特征提取,从而得到含有多维特征的网络流量数据集;步骤S3、利用主成分分析特征降维的方法将步骤S2中的多维特征简化成低维特征,得到带标签的低维数据集;步骤S4、得到训练好的极限梯度提升XGBoost分类模型;步骤S5、将待测的网络流量数据集输入到步骤S4中的极限梯度提升XGBoost分类模型,得到业务类型分类结果。本发明不仅可以降低识别方法的复杂度,同时还能够提高对业务类型识别的精度。

    一种面向业务类型的基于模糊逻辑的异构网络切换方法

    公开(公告)号:CN114245426B

    公开(公告)日:2023-07-04

    申请号:CN202111371555.3

    申请日:2021-11-18

    Abstract: 本发明公开了一种面向业务类型的基于模糊逻辑的异构网络切换方法,包括:终端获得当前异构网络场景下各个候选网络的参数信息;将应用业务类型分为四类,分别是会话类应用、交互类应用、流类应用和后台类应用,并针对每类应用业务类型,以网络带宽、时延和误码率为元素,分别设计会话类输入隶属度函数、交互类输入隶属度函数、流类输入隶属度函数和后台类输入隶属度函数;根据终端当前的应用业务类型选择相应的输入隶属度函数输入到模糊推理模块中进行模糊推理;根据模糊推理结果选择最佳网络进行切换。本发明不仅可以根据终端的应用类型合理地选择最佳切换网络,满足终端地个性化服务需求,还可以有效地降低平均切换次数。

Patent Agency Ranking