[发明专利]一种基于排序学习预测机会网络关键节点的方法有效
| 申请号： | 201910913352.9 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110661661B | 公开（公告）日： | 2021-12-21 |
| 发明（设计）人： | 谭镇阳;刘琳岚;舒坚 | 申请（专利权）人： | 南昌航空大学 |
| 主分类号： | H04L12/24 | 分类号： | H04L12/24;G06N3/08;G06N3/04 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 彭琰 |
| 地址： | 330063 江*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于排序学习预测机会网络关键节点的方法，针对机会网络中拓扑高度动态性和随时间变化性，通过挖掘机会网络动态拓扑中隐藏的节点重要性特征，提出一种机会网络关键节点预测方法。该方法首先将连续的机会网络按照时间窗口划分得到离散的机会网络单元，建立对应机会网络单元的时间可达图，然后计算各个时间可达图中各节点的多中心性指标信息和关键程度指标，最后构建排序学习模型提取机会网络拓扑中关键节点的多维特征。本发明能够有效的提取机会网络中关键节点的潜在多维特征，对机会网络中关键节点进行预测，进而对机会网络的鲁棒性、可维护性与安全性具有促进作用。 | ||
| 搜索关键词： | 一种 基于 排序 学习 预测 机会 网络 关键 节点 方法 | ||
【主权项】：
1.一种基于排序学习预测机会网络关键节点的方法，其特征在于，包括以下步骤：/nS1，通过将预设时间内的机会网络按照时间窗口划分得到离散的机会网络单元，建立对应机会网络单元的时间可达图；/nS2，计算各个机会网络单元对应的时间可达图中的各节点的熵度中心性、时间接近中心性以及引力中心性和关键程度指标，将其映射成多维实数向量作为模型的输入；/nS3，将预设时间内的多个机会网络单元按照一定比例划分训练网络单元和测试网络单元，其中训练网络单元计算得到的多维实数向量用于训练模型的参数，测试网络单元计算得到的多维实数用于测试特定参数下模型的预测正确率；/nS4，经过不断的迭代训练并测试以获取最优模型，从而对机会网络关键节点进行预测。/n
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南昌航空大学，未经南昌航空大学许可，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/201910913352.9/，转载请声明来源钻瓜专利网。
- 上一篇：告警信息根源分析方法及装置
- 下一篇：一种轻量级的微服务配置方法
