[发明专利]一种移动自组网路由节点行为预测方法

说明书

本发明给出一种移动自组网路由节点行为预测方法，该方法首先选择合适的移动自组路由属性，设置模糊邻近关系，然后根据此原则对记录进行分类，最后使用贝叶斯分类器进行预测，评估路由节点的行为。本发明的目的是提供一种移动自组网路由节点行为预测方法，解决移动自组网路由节点行为预测问题，建立一种基于贝叶斯的预测方法，通过现有的数据分析，对移动自组网路由节点行为进行预测，提高移动自组网的运行效率。

技术领域

本发明涉及移动自组网路由节点行为预测问题，利用贝叶斯预测模型来预测移动自组网节点之间隐藏的联系，属于计算机技术、信息网络、数据挖掘交叉技术应用领域。

背景技术

移动自组网的路由协议被用于建立节点之间的通信，并以较少的开销和计算控制路由消息的交换。路由节点及其属性对于确定的移动自组网的整体性能至关重要。在移动自组网中，每个节点维护路由，协助路由的过程，但在网络的拓扑结构和模糊性的路由信息存在不确定性，信息可能会影响移动自组网的性能。在移动自组网中，每个节点的路由信息表示有关路由节点的信息，它常常在其列由路由属性而行由节点标记的一个表中显示。移动自组网节点不能被唯一地识别，原因是这些节点的行为或缺乏足够的信息。因此，我们需要更多的路由细节信息，以查找更好的有关路由节点。

贝叶斯预测模型是运用贝叶斯统计进行的一种预测。贝叶斯统计不同于一般的统计方法，其不仅利用模型信息和数据信息，而且充分利用先验信息。朴素贝叶斯分类器(NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。解决这个问题的方法一般是建立一个属性模型，对于不相互独立的属性,把他们单独处理。本发明使用贝叶斯预测模型，通过使用贝叶斯分类器来预测移动自组网路由节点行为，以推进移动自组网的应用。

发明内容

技术问题：本发明的目的是提供一种移动自组网路由节点行为预测方法，解决移动自组网路由节点行为预测问题，建立一种基于贝叶斯的预测方法，通过现有的数据分析，对移动自组网路由节点行为进行预测，提高移动自组网的运行效率。

技术方案：本发明所述的移动自组网路由节点行为预测方法包含如下过程：首先选择合适的移动自组路由属性，设置模糊邻近关系，然后根据此原则对记录进行分类，最后使用贝叶斯器进行预测，评估路由节点的行为。

本发明所述移动自组网路由节点行为预测方法包括以下步骤：

步骤1)建立路由信息关系，具体步骤如下：

步骤11)记录移动自组网中节点的属性和功能，建立路由信息关系。所述的路由信息关系由行数据表示节点，列数据表示节点的属性所构成的路由数据的表格表示。路由信息关系由非空有限路由节点集合，非空有限路由属性集合，路由属性值和路由信息功能四部分构成。

步骤12)根据用户指定的相似比计算公式，用节点属性值计算节点之间是否是模糊邻近关系。所述的模糊邻近关系是指用两个节点属性值之间的相似比来表示路由信息关系中节点不能被属性值明确区分的关系。所述相似比计算公式是由用户根据移动自组网不同的应用确定。