[发明专利]Peer节点生命周期的预测方法、预测装置和服务器

权利要求书

1.一种Peer节点生命周期的预测方法，其特征在于，包括：

接收Peer节点采集的历史生命周期数据；

利用所述历史生命周期数据，确定体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数；

使用所述确定的参数建立隐含狄利克雷分布LDA模型，得到Peer节点生命周期模型；

使用所述Peer节点生命周期模型产生Peer节点的预测生命周期数据。

2.根据权利要求1所述的方法，其特征在于，所述利用所述历史生命周期数据，确定体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数包括：

统计所述体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数取不同值时，所述历史生命周期数据的出现概率，将历史生命周期数据出现概率最大时所对应的参数值确定为所述体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数。

3.根据权利要求2所述的方法，所述将历史生命周期数据出现概率最大时所对应的参数值确定为所述体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数，是采用极大似然法确定的；具体确定过程包括：

初始化LDA模型；

建立包含所述体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数的似然函数；

根据所述历史生命周期数据，计算使得所述似然函数取最大值时的体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数。

4.根据权利要求3所述的方法，其特征在于，所述LDA模型中包含LDA模型参数：α和β；所述体现全网中各Peer节点之间生命周期数据相关性的参数为LDA模型参数α，所述体现全网的各个生命周期数据之间分布规律的参数为LDA模型参数β，所述LDA模型中还包含隐含的内部参数θ和z；

所述α为K维的向量，K为LDA模型的成分数，表示与Peer节点生命周期数据存在相关性的分布规律的种类数；

所述β为K*V维的矩阵，V表示生命周期数据的样本空间；β_ij表示当分布规律为第i种时，生命周期数据为j的概率；

所述θ为K维的向量，θ表示不同Peer节点的生命周期数据的分布规律，θ服从参数为α的狄利克雷Dirichlet分布Dir(α)；

所述z表示各Peer节点的生命周期数据的分布规律的集合，z服从参数为θ的多项分布Multinomial(θ)；

所述初始化LDA模型包括：为所述成分数K赋值，并将α置为1和β置为0；

所述计算使得所述似然函数取最大值时的体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数包括：计算使得所述似然函数取最大值时的LDA模型参数。

5.根据权利要求3所述的方法，其特征在于，所述LDA模型中包含LDA模型参数：α、μ和σ；所述体现全网中各Peer节点之间生命周期数据相关性的参数为LDA模型参数α，所述体现全网的各个生命周期数据之间分布规律的参数为LDA模型参数μ和σ，所述LDA模型中还包含隐含的内部参数θ和z；

所述α为K维的向量，K为LDA模型的成分数，表示与Peer节点生命周期数据存在相关性的分布规律的种类数；

所述μ和σ为高斯参数，μ和σ分别为K*Ks维的矩阵，Ks为高斯成分数，表示生命周期数据样本空间的高斯成分；

所述θ为K维的向量，θ表示不同Peer节点的生命周期数据的分布规律，θ服从参数为α的Dirichlet分布Dir(α)；

所述z表示各Peer节点的生命周期数据的分布规律的集合，z服从参数为θ的Multinomial分布Multinomial(θ)；

所述初始化LDA模型包括：为所述成分数K赋值，并将α置为1、μ和σ置为0；

所述计算使得所述似然函数取最大值时的体现全网中各Peer节点之间生命周期数据相关性的参数、以及体现全网的各个生命周期数据之间分布规律的参数包括：计算使得所述似然函数取最大值时的LDA模型参数。