-
公开(公告)号：CN114168655A
公开(公告)日：2022-03-11
申请号：CN202111499857.9
申请日：2021-12-09
Applicant: 西安电子科技大学
IPC: G06F16/2458 , G06N3/04 , H04L41/147
Abstract: 本发明公开了一种基于周期性的网络流量预测方法，主要解决现有方法构建网络流量预测模型不准确、无法准确预测网络流量的问题。其实现方案是：获取已知序列周期；根据已知序列和周期构建周期序列；构建两个结构相同的神经网络；根据已知序列构建第一训练集P1，根据周期序列构建第二训练集P2；用第一训练集P1和第二训练集P2分别训练两个网络，得到每个网络对下一时刻的预测值F1和F2；根据每个网络训练后的误差E1和E2，确定网络偏差系数G1和G2；将F1、F2与其对应网络的偏差系数G1、G2相乘后加权求和，得到下一时刻的最终预测值。本发明提高了网络流量预测结果的准确性，能准确表征流量特征，可用于网络安全和网络管理。
-
公开(公告)号：CN115242663A
公开(公告)日：2022-10-25
申请号：CN202210905275.4
申请日：2022-07-29
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L41/142 , H04L41/14 , H04L41/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于时间相关图卷积的虚拟网络的流量预测方法，主要解决数据中心虚拟网络中流量预测精度欠佳，资源利用率和网络吞吐量低的问题。其实现方案为：通过虚拟网络拓扑结构构建链路流量关系图G；统计历史数据中各个时刻上所有链路的流量值；计算两两链路流量之间的最大时间互相关系数，对其归一化处理后获得时间相关矩阵ATC；构建流量特征矩阵Xt；用ATC替换原图卷积神经网络的邻接矩阵，生成时间相关图卷积神经网络，并用ATC与Xt进行卷积运算，对该网络进行训练，预测出下一个时刻虚拟网络中链路的流量值。本发明能精准表征链路流量之间的时间相关性，提升了虚拟网络的流量预测精度，可用于数据中心网络的资源分配。
-
Patent Agency Ranking
公开(公告)号：CN114205251A
公开(公告)日：2022-03-18
申请号：CN202111499978.3
申请日：2021-12-09
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L47/127 , G06N3/04
Abstract: 本发明公开了一种基于时空特征的交换机链路资源预测方法，主要解决现有数据中心网络中链路拥塞、网络能效比和资源利用率低的问题。其方案为：根据各层交换机连接关系构建链路的图结构；设计由改进的门循环网络、图卷积神经网络、改进的门循环网络级联构成的改进型空间门循环网络S‑GRU+；根据每条链路的历史负载特征值构建网络模型的训练集和测试集；根据图结构建立链路之间的邻接矩阵；利用训练集和邻接矩阵训练S‑GRU+网络；将测试集和邻接矩阵输入到训练好的S‑GRU+网络，输出下一时刻每条链路负载信息的预测值。本发明提高了链路载荷的预测准确率，提升了网络能效比和资源利用率，可用于数据中心路由调度和资源的分配与调度。
-
公开(公告)号：CN114205251B
公开(公告)日：2022-12-02
申请号：CN202111499978.3
申请日：2021-12-09
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L47/127 , G06N3/04
Abstract: 本发明公开了一种基于时空特征的交换机链路资源预测方法，主要解决现有数据中心网络中链路拥塞、网络能效比和资源利用率低的问题。其方案为：根据各层交换机连接关系构建链路的图结构；设计由改进的门循环网络、图卷积神经网络、改进的门循环网络级联构成的改进型空间门循环网络S‑GRU+；根据每条链路的历史负载特征值构建网络模型的训练集和测试集；根据图结构建立链路之间的邻接矩阵；利用训练集和邻接矩阵训练S‑GRU+网络；将测试集和邻接矩阵输入到训练好的S‑GRU+网络，输出下一时刻每条链路负载信息的预测值。本发明提高了链路载荷的预测准确率，提升了网络能效比和资源利用率，可用于数据中心路由调度和资源的分配与调度。
-
公开(公告)号：CN114205250A
公开(公告)日：2022-03-18
申请号：CN202111499849.4
申请日：2021-12-09
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L41/16 , G06N3/04
Abstract: 本发明公开了一种基于时空网络STN的虚拟网络链路流量预测方法，主要解决现有虚拟网络中，链路结构复杂、各条链路上业务流量预测准确率低、网络资源利用率低的问题。其实现方案为：构建虚拟网络的图G；根据图G的顶点连接关系获得邻接矩阵W；获取前M个时刻各链路上的流量值，构建特征矩阵序列X；设计由M个并列的图卷积网络GCN分别与长短期记忆网络LSTM的M个神经元对应连接组成的时空网络STN；将特征矩阵序列X和邻接矩阵W输入时空网络STN，预测出下一时刻虚拟网络中每条链路上的流量值。本发明简化了虚拟网络的链路结构，提高了虚拟网络链路流量的预测准确率，为通信网络中的资源分配工作奠定有利基础，可用于数据中心网络。
-
公开(公告)号：CN114168655B
公开(公告)日：2024-02-13
申请号：CN202111499857.9
申请日：2021-12-09
Applicant: 西安电子科技大学
IPC: G06F16/2458 , G06N3/0442 , H04L41/147
Abstract: 本发明公开了一种基于周期性的网络流量预测方法，主要解决现有方法构建网络流量预测模型不准确、无法准确预测网络流量的问题。其实现方案是：获取已知序列周期；根据已知序列和周期构建周期序列；构建两个结构相同的神经网络；根据已知序列构建第一训练集P1，根据周期序列构建第二训练集P2；用第一训练集P1和第二训练集P2分别训练两个网络，得到每个网络对下一时刻的预测值F1和F2；根据每个网络训练后的误差E1和E2，确定网络偏差系数G1和G2；将F1、F2与其对应网络的偏差系数G1、G2相乘后加权求和，得到下一时刻的最终预测值。本发明提高了网络流量预测结果的准确性，能准确表征流量特征，可用于网络安全和网络管理。
-
公开(公告)号：CN115242663B
公开(公告)日：2023-07-18
申请号：CN202210905275.4
申请日：2022-07-29
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L41/142 , H04L41/14 , H04L41/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时间相关图卷积的虚拟网络的流量预测方法，主要解决数据中心虚拟网络中流量预测精度欠佳，资源利用率和网络吞吐量低的问题。其实现方案为：通过虚拟网络拓扑结构构建链路流量关系图G；统计历史数据中各个时刻上所有链路的流量值；计算两两链路流量之间的最大时间互相关系数，对其归一化处理后获得时间相关矩阵ATC；构建流量特征矩阵Xt；用ATC替换原图卷积神经网络的邻接矩阵，生成时间相关图卷积神经网络，并用ATC与Xt进行卷积运算，对该网络进行训练，预测出下一个时刻虚拟网络中链路的流量值。本发明能精准表征链路流量之间的时间相关性，提升了虚拟网络的流量预测精度，可用于数据中心网络的资源分配。
-
-
-
-
-
-
Search Results
7
records
(took 0.028 seconds)
