[发明专利]基于分类回归树算法的车载容忍延迟网络多副本路由方法

权利要求书

1.一种基于分类回归树算法的车载容忍延迟网络多副本路由方法，其特征 在于，包括以下步骤：

步骤1、车辆节点在相同的车载环境网络下采用S&W路由协议对当前网络 环境数据进行采集；

步骤2、对步骤1中采集的历史数据进行预处理；

步骤3、对处理过的历史数据，采用机器学习分类回归树学习算法，并建立 相应的属性规则树；

步骤4、经过步骤3后，在扩散阶段，车辆节点采集当前网络的数据并递归 生成属性规则树，并将此规则作为扩散规则，在扩散时，看是否符合扩散规则， 若满足，则以二分法进行扩散；

步骤5、在转发阶段，车辆节点采集当前网络的数据，将特征属性值发送到 转发规则入口，看是否符合转发规则，若满足，则进行数据包的转发。

2.根据权利要求1所述的基于分类回归树算法的车载容忍延迟网络多副本 路由方法，其特征在于，在步骤1中，车辆通过S&W协议收集到历史节点网络 环境和节点自身的属性，将其定义为车辆数据集：V_l＝(A₁,A₂,…,A_l)，即所选取的 类别属性，其中l为车辆标记数据集的个数；车辆约束数据集：V_u＝(A₁,A₂,…,A_u)， 即在车辆数据集的前提下，对其进行数据处理所得出的结果，其中V_u∈V_l,u∈l。

3.根据权利要求2所述的基于分类回归树算法的车载容忍延迟网络多副本 路由方法，其特征在于，在步骤2中，对采集的历史数据进行预处理具体为： 根据车辆属性建立车辆属性集合A＝(a¹,a²,…,a^m)，其中，m为车辆属性个数， a^j,j∈(1,2,…,m)代表车辆节点在网络中或者自身的第j个属性。

4.根据权利要求2所述的基于分类回归树算法的车载容忍延迟网络多副本 路由方法，其特征在于，在步骤3中，采用机器学习分类回归树学习算法具体 为：对于收集到的车辆属性集合A，依据CART分类回归树算法的学习方法， 计算出网络属性GINI_Ns指数：其中，p_k表 示第k个类属性的概率，C_k是D中属于第k类的样本子集，D为给定 的样本集合，如果在属性样本集合D中，特征属性A是否取某一可能值a被分 割成D₁和D₂两部分，即

D₁＝{(x,y)∈D|A(x)＝a},D₂＝D-D₁

为了判断社会属性是否符合分类标准，根据以下公式进行分类

Gini_Ns(D,A)=|D1||D|Gini_Ns(D1)+|D2||D|Gini_Ns(D2)]]>

网络属性指数Gini_Ns(D)表示集合D的不确定性，网络属性指数 Gini_Ns(D,A)表示经A＝a分割后集合D的不确定性，并且选择网络属性指数最 小的特征属性作为最优的切分点；依据生成的网络属性GINI_Ns指数，利用分 类回归树学习算法生成属性规则树；依据属性规则树对每次相遇的车辆节点进 行属性规则树搜索，如果满足属性规则树，则采用二分法进行副本的扩散。