[发明专利]一种面向服务的无线网络组网模式智能重构方法

摘要

本发明公开了一种面向服务的无线网络组网模式智能重构方法，该方法同时涉及无线网络领域和机器学习领域。本发明的基本思想是：通过将仿真输入和用户需求两类共九个属性以及对应的组网模式向量化、归一化，得到经验数据集；运用神经网络算法，对经验数据集进行学习，得到训练模型和正确率；调用训练模型面向新服务进行智能重构，选择最佳组网模式。本发明选用了无线网络领域三种组网模式：全连通动态时分组网模式、多跳载波检测组网模式和多跳自组织时分多址组网模式，对于经验数据集中的每一条数据，都会结合其九个属性进行计算为其选择最佳的组网模式。

主权项

1.一种面向服务的无线网络组网模式智能重构方法，所采用的步骤是：步骤1：构造经验数据集，每条数据包含九个属性和一个判决结果，九个属性分别是组网规模、业务量、负载量、传输距离、最大跳数、带宽、移动性、时敏性和丢包率敏感度；属性分为两类：仿真输入与用户需求，仿真输入包括组网规模、业务量、负载量、传输距离、最大跳数、带宽和移动性七个属性，用户需求包括业务量、时敏性和丢包率敏感度三个属性，其中，业务量既是仿真输入，也是用户需求；判决结果即为最终要选择的组网模式，可供选择的协议有三种，分别是：全连通动态时分组网模式、多跳载波检测组网模式和多跳自组织时分多址组网模式；对于每条数据，随机为其九个属性赋值，计算出在此情况下每种组网模式的评价得分，选择得分最高的组网模式作为该条数据的判决结果；将每条数据原始取值量化后的结果作为经验数据集；步骤2：通过神经网络算法，对经验数据集进行学习，学习过程分为两个步骤：训练和测试；经验数据集包含足够多的数据用于机器学习算法，在每次学习过程中，经验数据集都被随机均分为训练集与测试集；在训练过程中，通过训练集中的数据确定算法的参数，得到训练模型；测试时，调用训练模型对测试集中的每条数据进行判断，检验训练模型的准确率；通过多次学习，求取准确率的均值与方差，观察算法准确率的水平和算法稳定度，并将准确率最大的一次训练结果保存，作为预测时调用的训练模型；步骤3：面向新服务，智能重构最佳组网模式；将新服务内容，即服务对应的九个属性的实际数值作为输入，并根据步骤1中的量化规则，将输入的实际数值量化为可供神经网络算法使用的数据，然后调用训练模型，得到新服务条件下的三个输出，根据三个输出的近似值对新服务进行判决分类，重构出满足当前新服务的最佳组网模式。