[发明专利]分布式网络随机空间抽样测量的重构方法、系统及介质

权利要求书

1.分布式网络随机空间抽样测量的重构方法，其特征在于，包括：

把网络拓扑转化为一个超图结构；

根据所述超图结构下的网络拓扑，构建多图层超图；其中，所述多图层超图用于表征大规模分布式网络多维度测量结果；

根据所述多图层超图，训练得到重构模型；

根据所述重构模型，将实际测量业务中不完整测量得到的结果恢复成完整的网络测量数据；

所述把网络拓扑转化为一个超图结构，包括：

对分布式网络拓扑中的网元节点分别赋予一个唯一的ID识别符并进行one-hot编码；

提取分布式网络中端到端的路径序列集合；

把所述路径序列集合中的每一个端到端路径样本切割为等长的路径片段；

根据切割得到的路径片段，把one-hot编码的网元节点投影到高维矢量空间中的一个坐标点，并通过该坐标点的坐标矢量来表示分布式网络拓扑中的网元节点，以实现节点矢量化；

根据所述节点矢量化的结果，把分布式网络拓扑转化为由所述高维矢量空间张成的超图；其中，每一个网络拓扑中的网元节点对应超图中的一个固定像素点。

2.根据权利要求1所述的分布式网络随机空间抽样测量的重构方法，其特征在于，所述根据所述超图结构下的网络拓扑，构建多图层超图，包括：

为超图结构的网络拓扑构建多个图层；其中，每个图层对应分布式网络中在网元节点上的一个测量指标或测量变量；

分布式网络上一个网元节点的某个指标的测量数据被映射在超图上对应像素点上相应图层的灰度值；

其中，超图的像素点位置体现网络拓扑中网元节点的连接与结构信息；

像素点在各个图层上的灰度值反映网元节点各维度的测量数据。

3.根据权利要求1所述的分布式网络随机空间抽样测量的重构方法，其特征在于，所述根据所述多图层超图，训练得到重构模型，包括：

把分布式网络进行不完整抽样测量得到的结果转化超图形式，并通过一个掩码图层标注缺测点像素；

把转化得到的超图与所述掩码图层输入训练好的重构模型，得到缺测点在不同图层上的灰度恢复值；

把缺测点恢复出来的灰度恢复值填入不完整超图中相应图层的像素位置，完成缺测点的复原，得到伪超图；

利用所述伪超图与真实的完整超图训练得到一个判别器，所述判别器用于区分伪超图与真实的完整超图；

根据所述判别器对所述伪超图进行判别，以确定真实的完整超图,当判别器无法准确识别真伪超图时代表重构模型已经训练完毕。

4.根据权利要求1所述的分布式网络随机空间抽样测量的重构方法，其特征在于，所述根据所述重构模型，将实际测量业务中不完整测量得到的结果恢复成完整的网络测量数据，包括：

把分布式网络进行不完整抽样测量得到的结果转化超图形式，并通过一个掩码图层标注缺测点像素；

把转化得到的超图与所述掩码图层输入训练好的重构模型，得到缺测点在不同图层上的灰度恢复值；

把缺测点恢复出来的灰度恢复值填入不完整超图中相应图层的像素位置，完成缺测点的复原；

将超图形式的恢复结果还原为原始的网元特征形式。