[发明专利]OLT自适应系统及其方法

权利要求书

1.一种OLT自适应系统，其特征在于，包括：

数据获取单元，用于获取与光线路终端连接的所有光网络单元的流量数据和带宽数据；

向量转化单元，用于将所述所有光网络单元的流量数据和带宽数据构造为流量向量和带宽向量；

关联矩阵生成单元，用于将所述流量向量和所述带宽向量分别乘以其自身的转置以获得流量关联矩阵和带宽关联矩阵；

特征图生成单元，用于将所述流量关联矩阵和所述带宽关联矩阵分别通过卷积神经网络以获得对应于所述流量关联矩阵的流量特征图和对应于所述带宽关联矩阵的带宽特征图，其中，所述卷积神经网络的最后一层以Sigmoid函数激活以将所述流量特征图和所述带宽特征图中各个位置的特征值转化到概率空间中；

当前数据获取单元，用于获取待设置老化时间的当前光网络单元的当前流量和当前带宽；

编码单元，用于使用编码器对由所述当前流量和所述当前带宽组成的输入向量进行编码以获得当前设置向量，其中，所述编码器的最后一层以Sigmoid函数激活以将所述当前设置向量中各个位置的特征值转化到概率空间中；

向量查询单元，用于将所述当前设置向量分别乘以所述流量特征图和所述带宽特征图以获得流量特征向量和带宽特征向量；

贝叶斯单元，用于将所述当前设置向量的每个位置的特征值分别乘以所述流量特征向量的每个位置的特征值再除以所述带宽特征向量的每个位置的特征值以获得在已知流量特征分布和带宽特征分布下的后验概率值，以获得由多个后验概率值构成分类特征向量；以及

分类单元，用于将所述分类特征向量使用分类器进行回归以获得分类结果，其中，所述分类结果用于表示光线路终端设置老化时间的自适应结果。

2.根据权利要求1所述的OLT自适应系统，其中，所述分类单元，进一步用于将所述分类特征向量输入Softmax分类函数以获得所述分类结果。

3.根据权利要求1所述的OLT自适应系统，其中，所述编码器由多个全连接层组成。

4.根据权利要求1所述的OLT自适应系统，其中，所述分类结果用于表示当前设置的老化时间应当增大或者减小。

5.根据权利要求1所述的OLT自适应系统，其中，所述分类结果用于表示当前设置的老化时间是否适当。

6.根据权利要求1所述的OLT自适应系统，其中，所述卷积神经网络为深度残差网络。

7.一种OLT自适应方法，其特征在于，包括：

通过数据获取单元获取与光线路终端连接的所有光网络单元的流量数据和带宽数据；

通过向量转化单元将所述所有光网络单元的流量数据和带宽数据构造为流量向量和带宽向量；

通过关联矩阵生成单元将所述流量向量和所述带宽向量分别乘以其自身的转置以获得流量关联矩阵和带宽关联矩阵；

通过特征图生成单元将所述流量关联矩阵和所述带宽关联矩阵分别通过卷积神经网络以获得对应于所述流量关联矩阵的流量特征图和对应于所述带宽关联矩阵的带宽特征图，其中，所述卷积神经网络的最后一层以Sigmoid函数激活以将所述流量特征图和所述带宽特征图中各个位置的特征值转化到概率空间中；

通过当前数据获取单元获取待设置老化时间的当前光网络单元的当前流量和当前带宽；

通过编码单元使用编码器对由所述当前流量和所述当前带宽组成的输入向量进行编码以获得当前设置向量，其中，所述编码器的最后一层以Sigmoid函数激活以将所述当前设置向量中各个位置的特征值转化到概率空间中；

通过向量查询单元将所述当前设置向量分别乘以所述流量特征图和所述带宽特征图以获得流量特征向量和带宽特征向量；

通过贝叶斯单元将所述当前设置向量的每个位置的特征值分别乘以所述流量特征向量的每个位置的特征值再除以所述带宽特征向量的每个位置的特征值以获得在已知流量特征分布和带宽特征分布下的后验概率值，以获得由多个后验概率值构成分类特征向量；以及

通过分类单元将所述分类特征向量使用分类器进行回归以获得分类结果，其中，所述分类结果用于表示光线路终端设置老化时间的自适应结果。