首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于机器学习的多接入异构网络MPTCP子流调度方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:江苏省电力试验研究院有限公司;国网江苏省电力有限公司电力科学研究院

摘要:本发明公开了一种基于机器学习的多接入异构网络MPTCP子流调度方法,包括:采集信息,选择合适的特征参数;根据特征参数生成用于训练预测模型的数据集;通过数据集训练构建好的预测模型;采集网络状态信息,通过训练好的预测模型预测得到路径影响因子;根据路径影响因子对MPTCP子流进行优化;基于优化后的MPTCP子流,获取到MPTCP子流动态配置。本发明可以通过对子流的灵活控制有效的提高吞吐量,动态调整子流的建立顺序,对MPTCP子流的主次关系进行了详细的判定,从而降低了因握手时间过长导致的连接建立过慢的影响,一定程度上减少设备下载文件以及接收数据的时间,并且能迅速的对网络变化做出反应。

主权项:1.一种基于机器学习的多接入异构网络MPTCP子流调度方法,其特征在于,包括如下步骤:S1:采集信息,选择特征参数;S2:根据特征参数生成用于训练预测模型的数据集;S3:通过步骤S2的数据集训练构建好的预测模型;S4:采集网络状态信息,通过训练好的预测模型预测得到路径影响因子;S5:根据路径影响因子对MPTCP子流进行优化;S6:基于优化后的MPTCP子流,获取到MPTCP子流动态配置;所述步骤S1中特征参数为包括初始路径集、最终路径集、路径影响因子、路径带宽、路径延迟和服务需求带宽;所述步骤S1中路径影响因子的计算公式如下: 其中,t为传输时间,TPit为第i子流不参与传输时的吞吐量,TPt为t时刻总体吞吐量,IFi为第i个路径的影响因子;所述步骤S4中路径影响因子的获取方法为: SVM预测模型根据数据集训练得出回归模型,根据上述公式对采集到的路径信息进行多分类;假设数据集的类别有M类,即影响因子数值有M类,本质是一个符号函数,其结果为[-1,+1],当新数据xnew即采集的路径信息到来时,采用投票策略对数据进行分类,进而根据分类的结果决定影响因子的数值。

全文数据:

权利要求:

百度查询: 江苏省电力试验研究院有限公司 国网江苏省电力有限公司电力科学研究院 一种基于机器学习的多接入异构网络MPTCP子流调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。