[发明专利]一种基于模式识别的路由设备控制方法及系统

说明书

本发明提供了一种基于模式识别的路由设备控制方法及系统。该方法包括采集路由设备的用户侧数据，生成特征向量，对用户使用情况进行分类，构建BP神经网络分类模型并进行模型训练，路由设备的NTP功能开启时当前路由设备的用户侧数据，根据当前路由设备的用户侧数据生成特征向量输入训练后的BP神经网络分类模型得到分类结果，控制路由设备根据分类结果执行设定功能。本发明基于模式识别理论，根据各种不同特征的描述，对输入参数进行判断和分类，从而达到让路由设备根据不同的使用情况制定不同的模式来执行设定功能的效果，能够满足不用使用情况的需求，并且简化了路由设备的计算工程量。

技术领域

本发明涉及路由设备控制技术领域，尤其涉及一种基于模式识别的路由设备控制方法及系统。

背景技术

路由设备长时间使用，累积了大量中间链接缓存，清理缓存不会影响正常使用，并会加快路由设备的处理速度。厂家对于这种情况，一般解决方式是，当缓存达到了一个阈值时触发。如果缓存还没到相关阈值，一直处在非常接近阈值线附近，厂家也有对应的解决手段，比如检查运行时间，长时间使用达到一定程度就触发。或者固定了时间，比如每周一的凌晨执行清理缓存的操作。

同等级类似的功能(设备固件升级，安全性校验等)，也是利用了同样的思路进行的。一个是阈值，底线触发的弥补措施；另一个是轮询机制，也就是固定了设备执行功能的具体时间。通常情况以后者为主。

这样就出现了一个问题，后一种操作没有可靠的决策机制，以普遍性决定了路由设备的功能决策。满足了大部分人的需求，而忽略了少数人的差异性。以设备的固件升级举例子，假设用户的生活情况是正常的作息，那么深夜执行该操作是可行的。但是用户是一个异常的作息习惯，例如需要晚上工作，那么这类的操作就非常不合适。对于这种逻辑简单，无扩展性的功能决策，需要使用一种新的决策机制去满足不同的使用情况。

发明内容

针对现有技术中单一、少量的参数作为决策条件的可行性不高，容易出现错误判断，例如不能因为某次的深夜流量过大从而判断用户使用偏于夜晚。为了保证结果可靠，需要以一线性维度数据量进行分析。考虑到差异性的匹配和输入参的维度大小，还有数据样本的局限，本发明提供了一种基于模式识别的路由设备控制方法及系统，基于模式识别理论，根据各种不同特征的描述，对输入参进行判断和分类，从而达到让路由设备根据不同的使用情况制定不同的模式来执行设定功能。

为实现上述目的，本发明是根据以下技术方案实现的：

第一方面，本发明提供了一种基于模式识别的路由设备控制方法，包括以下步骤：

S1、采集路由设备的用户侧数据；

S2、根据步骤S1采集的路由设备的用户侧数据生成特征向量；

S3、根据步骤S2生成的数据特征值对用户使用情况进行分类；

S4、构建BP神经网络分类模型，利用步骤S2生成的特征向量和步骤S3得到的期望分类结果进行模型训练；

S5、检查路由设备的NTP功能是否开启；若是，则采集当前路由设备的用户侧数据；否则继续检查路由设备的NTP功能状态；

S6、根据当前路由设备的用户侧数据生成特征向量输入步骤S3训练后的BP神经网络分类模型，得到分类结果；

S7、控制路由设备根据步骤S5得到的分类结果执行设定功能。

作为优选的，所述步骤S2具体为：

对采集的路由设备的用户侧接收数据和发送数据的总和进行二分法处理；

判断处理结果是否大于设定阈值；若是，则将该数据的特征值置为1；否则将该数据的特征值置为0；

利用数据特征值构造列矩阵，作为模型输入的特征向量。