[发明专利]一种机会网络下的数据协同传输方法及系统

权利要求书

1.一种机会网络下的数据协同传输方法，其特征在于，包括步骤：

基于大数据和半马尔可夫模型对机会网络结点移动建模以获取机会网络结点轨迹大数据分析；

根据所述机会网络结点轨迹大数据分析基于局部社区发现算法构建网络社区；

在每个所述网络社区中，根据所述机会网络结点间的关联特征值选出关联机会网络结点作为数据汇聚点以实现社区之间数据协同传输。

2.根据权利要求1所述的机会网络下的数据协同传输方法，其特征在于，所述基于大数据和半马尔可夫模型对机会网络结点移动建模 以获取机会网络结点轨迹大数据分析的步骤，具体包括：

建立机会网络大数据；

剔除数据冗余和噪声特征形成特征子集；

基于半马尔可夫模型对所述机会网络结点移动建模。

3.根据权利要求2所述的机会网络下的数据协同传输方法，其特征在于，所述剔除数据冗余和噪声特征形成特征子集的步骤，具体包括：

给定二类分类问题训练集其中x_i∈R^m，表示包含m个特征的样本，y_i∈{0,1}，表示样本的类别；线性支持向量机的目标是学习具有最大间隔的分类超平面，w^Tx+b＝0，其中，w＝(w₁,w₂,…,w_m)^T为该超平面的法向量，b为偏置；

引入辅助变量t＝(t₁,t_2,…,t_m)^T,令t_j＝|w_j|^P,a＝p^-11，可得到Lp-SVM的等价模型：

t_j≥0；j＝1,…,m；

y_i(w^T+b)≥1-ξ_i；i＝1,…,n；

其中，p∈(0,1)，ξ_i为松弛变量，c为惩罚因子。

4.根据权利要求2所述的机会网络下的数据协同传输方法，其特征在于，所述基于半马尔可夫模型对所述机会网络结点移动建模的步骤，具体包括：

假设S＝{1,2,…,m}为所述机会网络结点m个状态的集合；

将所述机会网络结点的移动看做关于所述机会网络结点状态的马尔可夫更新过程{(X_n,T_n)}：n≥0，其中，T_n为第n次转移的时间点(T₀＝0)，X_n∈S，代表第n次转移到的机会网络结点状态；

假设所述机会网络结点从状态X_n转移到状态X_n+1的概率与之前的状态X_n-1无关，随机变量T_n+1-T_n为所述机会网络结点在X_n的停留时间，对应的齐次马尔可夫内核如下：

Q_ij(t)＝Pr(X_n+1＝j,T_n+1-T_n≤t|X_n＝i)

＝p_ijH_ij(t)；i,j∈S；

p_ij＝lim_i→∞Q_ij(t)

＝Pr(X_n+1＝j|X_n＝i)；

H_ij(t)＝Pr(T_n+1-T_n≤t|X_n+1＝j,X_n＝j)；

通过大数据验证p_ij和H_ij，当p_ij为非常数，H_ij为非指数分布，说明所述机会网络结点移动的半马尔可夫模型性质；

基于大数据分析，获得状态转移概率、状态保持分布、极限概率参数，并且确定半马尔可夫模型以推导出所述机会网络结点移动的相关特性。