[发明专利]一种基于深度学习模型的链路评估方法和系统在审
| 申请号： | 201811221654.1 | 申请日： | 2018-10-19 |
| 公开（公告）号： | CN109543818A | 公开（公告）日： | 2019-03-29 |
| 发明（设计）人： | 徐亦达;李超;刁博宇;安竹林;徐勇军 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 祁建国;梁挥 |
| 地址： | 100080 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习模型的链路评估方法，包括：设置深度学习模型结构；采集网络中链路的流量数据和该链路的占用度数据为数据对；对所有该数据对进行划分以建立训练集和测试集；以该训练集对该深度学习模型进行训练，确定该深度学习模型的参数；以该测试集对该深度学习模型进行测试，若测试正确率小于测试阈值，则调整该参数并对该深度学习模型重新训练，反之则以该深度学习模型为链路评估模型；通过该链路评估模型以该链路的当前流量数据获取该链路的当前占用度，以对该链路进行评估。 | ||
| 搜索关键词： | 链路 链路评估 学习 流量数据 测试集 训练集 测试 度数 模型结构 占用度 正确率 采集 占用 评估 网络 | ||
【主权项】：
1.一种基于深度学习模型的链路评估方法，其特征在于，包括：设置深度学习模型结构；采集网络中链路的流量数据和该链路的占用度数据以构成数据对，并将所有该数据对进行划分以建立训练集和测试集；以该训练集对该深度学习模型进行训练，确定该深度学习模型的参数；以该测试集对该深度学习模型进行测试，若测试正确率小于测试阈值，则调整该参数并对该深度学习模型重新训练，反之则以该深度学习模型为链路评估模型；通过该链路评估模型以该链路的当前流量数据获取该链路的当前占用度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811221654.1/，转载请声明来源钻瓜专利网。
