[发明专利]一种SDN架构下基于深度学习的内容流行度预测方法

摘要

本发明公开了一种SDN架构下基于深度学习的内容流行度预测方法，包括：利用SDN网络中各节点计算资源以及链路构建可重构、分布式深度学习网络，SDN网络具有SDN控制器和多个SDN交换机节点，每个SDN交换机实现若干神经元的计算功能，神经元之间通过SDN交换机的链路彼此连接；SDN网络中的各个节点实时地采集内容被请求的时空联合分布的数据并作为深度学习网络的输入，利用栈式自编码器对时空联合分布的数据进行特征学习，利用Softmax分类器对内容流行度进行预测。本发明基于SDN的可编程、全局视野集中控制的特性，实现深度学习网络的可重构，包括能够调整隐含层和每层神经元节点的数量等；所述方法对ICN的解析系统非常关键，也可帮助其中的动态路由和缓存的决策。

主权项

一种SDN架构下基于深度学习的内容流行度预测方法，其特征在于：所述方法包括：S1、利用SDN网络中各节点计算资源以及链路构建可重构、分布式深度学习网络；其中，所述SDN网络具有SDN控制器和多个SDN交换机，每个SDN交换机是SDN网络中的一个节点，每个SDN交换机贡献小部分资源实现若干神经元的计算功能，神经元之间通过SDN交换机的链路彼此连接；S2、SDN网络中的各个节点实时地采集内容被请求的时空联合分布的数据并作为深度学习网络的输入，在底层利用栈式自编码器对时空联合分布的数据进行特征学习，在顶层利用Softmax分类器对内容流行度进行预测；其中，所述栈式自编码器由若干个自编码器堆叠在一起形成，每个自编码器具有一个输入层、一个隐藏层和一个输出层。