[发明专利]网络边缘系统的业务感知方法及装置

权利要求书

1.一种网络边缘系统的业务感知方法，其特征在于，包括：

获取网络边缘系统的业务的样本训练集，所述网络边缘系统包括多个网络单元；

基于所述样本训练集，进行回声状态网络ESN训练，生成训练好的ESN分类器；

基于训练好的ESN分类器的参数信息，对每个网络单元的ESN分类器进行配置；

针对每个网络单元，提取该网络单元中每个业务流的特征参数，将每个业务流的特征参数输入该网络单元的ESN分类器，获得每个业务流的业务分类识别结果；

针对每个网络单元，根据该网络单元中每个业务流的业务分类识别结果，进行业务流的优化调度。

2.如权利要求1所述的网络边缘系统的业务感知方法，其特征在于，在基于所述样本训练集，进行回声状态网络ESN训练之前，还包括：

对所述样本训练集进行归一化处理；

基于所述样本训练集，进行回声状态网络ESN训练，包括：

基于归一化处理后的样本训练集，进行回声状态网络ESN训练。

3.如权利要求1所述的网络边缘系统的业务感知方法，其特征在于，在基于训练好的ESN分类器的参数信息，对每个网络单元的ESN分类器进行配置之后，还包括：

通过硬件方式实现并固化每个网络单元的ESN分类器。

4.如权利要求1所述的网络边缘系统的业务感知方法，其特征在于，业务流的特征参数包括数据包长、数据包到达间隔、业务持续时间和网络单元的负载程度中的至少一种。

5.如权利要求1所述的网络边缘系统的业务感知方法，其特征在于，将每个业务流的特征参数输入该网络单元的ESN分类器之前，还包括：

对每个业务流的特征参数并进行归一化处理；

将每个业务流的特征参数输入该网络单元的ESN分类器，包括：将归一化处理后的每个业务流的特征参数输入该网络单元的ESN分类器，获得业务分类识别结果。

6.如权利要求1所述的网络边缘系统的业务感知方法，其特征在于，回声状态网络ESN的表达式如下：

x(n+1)＝f(Wⁱⁿu(n+1)+Wx(n)+W^backy(n))

y(n+1)＝f^out(W^outu(n+1)+Wx(n+1)+W^backy(n))

其中，u(n)为输入变量，u(n)＝(u₁(n),…,u_K(n))^T；x(n)为内部状态变量，x(n)＝(x₁(n),...,x_L(n))^T；y(n)为输出变量y(n)＝(y₁(n),...,y_L(n))^T；Wⁱⁿ为输入权重连接矩阵；W为中间权重连接矩阵；W^out为输出权重连接矩阵；W^back为反馈权重连接矩阵；f和f^out为激励函数；n为样本训练集中不同的样本。

7.如权利要求6所述的网络边缘系统的业务感知方法，其特征在于，每个网络单元的ESN分类器的表达式如下：

其中，u(n)为输入变量，u(n)＝(u₁(n),…,u_K(n))^T；x(n)为内部状态变量，x(n)＝(x₁(n),...,x_L(n))^T；Wⁱⁿ为输入权重连接矩阵；W为中间权重连接矩阵；n为样本训练集中不同的样本。