[发明专利]路由器配置方法及系统和电子设备

说明书

本申请公开了一种路由器配置方法及系统和电子设备，其以基于深度神经网络的人工智能技术综合地考察各个路由器的关系网络，并以此为基础确定路由器的等级分数，从而对各个路由器进行归类，在相同类别的路由器中采用相同配置，以便于提供方便的路由器配置方案。这样，可对于相同类别的路由器中采用相同配置，提高路由器配置的便利性。

技术领域

本申请涉及深度学习和神经网络领域，且更为具体地，涉及一种路由器配置方法及系统和电子设备。

背景技术

目前，路由器的功能变得越来越丰富，其不仅作为无线AP，而且能够支持DHCP客户端、支持VPN、防火墙、支持WEP加密等，还进一步具有网络地址转换(NAT)等功能。

相应地，随着路由器功能的增强，路由器的配置难度也逐渐提高，尤其是对于不具有专门知识的用户来说，要对路由器进行合理配置非常困难，常常因路由器配置问题导致网络出错对用户正常生活通信造成影响。

因此，期望一种优化的路由器配置方法及系统。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了路由器配置方法及系统，其以基于深度神经网络的人工智能技术综合地考察各个路由器的关系网络，并以此为基础确定路由器的等级分数，从而对各个路由器进行归类，在相同类别的路由器中采用相同配置，以便于提供方便的路由器配置方案。这样，可对于相同类别的路由器中采用相同配置，提高路由器配置的便利性。

根据本申请的一个方面，提供了一种路由器配置方法，包括：

获得多个路由器中每个所述路由器在一系列预定时间点的连接设备数量，并将所述多个路由器在一系列预定时间点的连接设备数量按照路由器样本和时间两个维度构造为数据矩阵；

使用卷积神经网络从所述数据矩阵中获得特征图，其中，所述特征图中各个位置的特征值用于表示在时间和样本两个维度上的各个所述路由器之间的关系信息；

对所述特征图在路由器样本维度上的各个特征矩阵进行均值池化，以获得特征向量，其中，所述特征向量的每一个位置对应一个所述路由器；

计算所述特征向量中各个位置的得分函数值，以获得多个得分函数值，其中，所述得分函数值为以该位置的特征值为幂的指数函数值除以所述特征向量中各个位置的特征值的加权和的结果；

基于所述得分函数值，分别计算所述特征向量中每个位置的一个或多个效用分数值，其中，所述效用分数值基于该位置的得分函数值和与该位置具有关系的其他位置的得分函数值生成；

分别计算所述特征向量中每个位置的一个或多个效用分数值的均值，以获得所述特征向量中各个位置对应的等级向量值；

基于所述特征向量中各个位置的等级向量值，对各个位置对应的所述路由器进行归类；以及

对属于同一类的所述路由器进行配置同步。

在上述的路由器配置方法中，计算所述特征向量中各个位置的得分函数值，包括：以如下公式计算所述特征向量中各个位置的得分函数值，其中，所述公式为：vi＝exp(fi)/∑_ifi，其中，fi表示所述特征向量中各个位置的特征值。

在上述的路由器配置方法中，基于所述得分函数值，分别计算所述特征向量中每个位置的一个或多个效用分数值，包括：以如下公式分别计算所述特征向量中每个位置的一个或多个效用分数值，其中，所述公式为：p_ij＝αvi-β(v_i-v_j)²，其中，vi和vj是具有关系的两个位置，α和β用于调整p_ij的值在0到1的区间内。

在上述的路由器配置方法中，α和β作为超参数参与到所述卷积神经网络的训练过程中。