[发明专利]基于聚类判断准则的节点对融合网络拓扑估计方法

说明书

技术领域

本发明属于网络拓扑估计方法技术领域，尤其涉及一种基于聚类判断准则的节点对融合网络拓扑估计方法。

背景技术

随着互联网技术的发展，现代人的生活越来越离不开网络。因此，对于网络参数的各种测量就变得尤为有意义。网络拓扑估计是进行网络参数各种测量的基础。网络拓扑识别目前主要有两种方法。一是传统的网络识别方法，这需要依靠中间节点的协作，通过他们的反馈信息来估计网络拓扑。另一种是基于层析成像技术的网络拓扑识别方法，和传统的网络识别方法相比，网络层析成像技术均假设中间节点不协作。通过发送端到端的探测包，搜集这些探测包所返回的信息(如时延平均值、方差等)，通过一定的算法模型来推测出所测网络的逻辑拓扑。这种方法的优点是，不需要依靠中间节点的协作，缺点是因为假设所有中间节点均不协作，所以会向网络发送大量的探测包，从而加重网络的负载。目前基于网络层析成像技术的拓扑识别分为单播网络拓扑识别和多播网络拓扑识别。单播网络拓扑识别中，探测包的目的地是一个终端节点，而多播网络识别中，探测包的目的地是是多个终端节点。为了计算节点之间的相关性，测量不同节点的探测包要尽量要求他们在经过共享路径的部分情况要相同，这在多播网络中是很好实现的，但多播协议在实际网络中并没有被广泛配置，因此基于多播测量的网络拓扑识别在实际应用中受到限制。单播网络拓扑识别利用端到端测量获得节点对的相似度(用于描述一个源节点到两个目的节点共享路径长的度)，然后根据相应的算法推测出所测网络的逻辑拓扑。现有的单播网络拓扑估计方法可以分为两类：节点对融合方法和分层聚类方法。节点对融合方法的思想是：首先在目的节点集合中找出一对共享路径长度最大的目的节点，为他们创建新的父节点，同时把这对节点从目的节点中删除，并将父节点加入目的节点集合，然后利用判断条件找出该对目的节点的所有邻节点，同时把找出来的这些邻节点从目的节点中删除。一直迭代上述过程，直到目的节点集合中只剩下一个节点为止，最后剩下的这个节点就是根节点的子节点。该方法在节点加入的过程中需要根据给定门限Δ判定每个叶节点是否连接到已知的内部节点，因此门限的选择对该方法的估计精度存在较大影响。分层聚类方法的思想是：把网络拓扑估计问题看成是叶节点聚类过程，把网络拓扑看成是聚类的结果。同样以节点对的共享路径长度作为输入，根据测量的共享路径长度对目的节点以递归的方式进行分层聚类。共享路径长度相似的目的节点被分为同一簇，在拓扑中表现为具有同一父节点。然后递归此过程，直到不能聚类为止，得到最终拓扑。分层聚类方法不需要给定门限，并且具有估计精度高的优点，但是该方法在聚类过程中需要根据给定准则判断聚类结果的好坏，通常采用基于最大似然的方法判断，其存在的问题是计算复杂度过高。节点对融合方法中，其优点是计算简单，但缺点也比较明显：门限值Δ的取值都是取人为的经验值，比如所有节点对的共享路径的最大值或者最小值，这就会导致最后所得到的拓扑对于门限值Δ的依赖性过高。Δ过小很导致本来应该是邻居节点的节点被误判为不是邻居节点，Δ过大会导致本来不是邻居节点的节点被误判为是邻居节点。以上两种误判都会导致最终拓扑识别的错误。从而使得节点对融合方法的拓扑估计正确率不高。分层聚类方法中克服了节点对融合方法对于Δ人为取值依赖性过高的缺点，提高了拓扑估计正确率，但是计算复杂度较高。

发明内容

为了解决以上问题，本发明提出了一种基于聚类判断准则的节点对融合网络拓扑估计方法，通过分等级操作，解除了对门限值人为取值的依赖，提高了拓扑估计正确率，同时利用基于聚类的平方误差准则，减少了选出最优拓扑时的计算量。

本发明的技术方案是：一种基于聚类判断准则的节点对融合网络拓扑估计方法，包括以下步骤：

S1.输入源节点S，目的节点集合D，所有目的节点对的共享路径长度L(i,j)，

其中，i,j∈D，i≠j，S表示利用发送探测包对网络进行测量时的源节点，D表示从源节点S可到达的一系列目的节点集合，L(i,j)表示从源节点S出发分别到节点i和节点j两条路径的共享路径长度；

S2.进行初始化操作，设定门限等级数t为0，门限值集合Δ′＝φ，拓扑集合T′＝φ，平方误差集合W′＝φ；

S3.根据公式将区间分成m个等级，并赋值给门限值Δ，

其中，为门限的经验值，t＝t+1，m为总门限等级数；

S4.根据步骤S3中分等级操作后的门限值，利用节点对融合方法求出拓扑；

S5.通过比较t与m，判断门限值分等级操作是否完成；

S6.若门限值分等级操作完成，则利用聚类判断准则，从所有得到的拓扑中选择最优拓扑；