一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法
【專利摘要】一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法，屬于通訊技術(shù)領(lǐng)域，采用特征向量的線性相關(guān)性對(duì)光接入網(wǎng)熱點(diǎn)進(jìn)行多維度優(yōu)化分解，匹配最為適合的建設(shè)模型滿足熱點(diǎn)的建設(shè)需求。本發(fā)明中新增光接入網(wǎng)熱點(diǎn)與建設(shè)優(yōu)化模型進(jìn)行線性匹配，找出一組近似集，構(gòu)建貝葉斯網(wǎng)絡(luò)作出決策判斷，選取最優(yōu)建設(shè)模型實(shí)現(xiàn)熱點(diǎn)的高效建設(shè)。
【專利說(shuō)明】
一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于通訊技術(shù)領(lǐng)域，特別是涉及一種光網(wǎng)絡(luò)建設(shè)的控制方法。
【背景技術(shù)】
[0002] 隨著信息社會(huì)的不斷發(fā)展，人們對(duì)信息服務(wù)的需求量與日倶增，近期P2P、網(wǎng)絡(luò)視 頻和移動(dòng)互聯(lián)網(wǎng)等數(shù)據(jù)業(yè)務(wù)的快速增長(zhǎng)已經(jīng)造成了 "帶寬饑渴"。而智慧城市、物聯(lián)網(wǎng)規(guī)劃 建設(shè)對(duì)通信帶寬提出更大挑戰(zhàn)，依舊沿用傳統(tǒng)光電混合型網(wǎng)絡(luò)已無(wú)法滿足多媒體、大帶寬 業(yè)務(wù)需求，全光網(wǎng)絡(luò)發(fā)展勢(shì)在必行，且光網(wǎng)絡(luò)改造已不能局限于傳統(tǒng)建設(shè)模式，即根據(jù)單一 或固定組合因素確定匯聚或接入層面熱點(diǎn)的建設(shè)方式或類型，要?jiǎng)討B(tài)、綜合考慮多種因素、 特征及海量數(shù)據(jù)分析、處理，包括網(wǎng)絡(luò)架構(gòu)及承載業(yè)務(wù)類型、流量等，如何將光網(wǎng)絡(luò)發(fā)展建 設(shè)模式與海量數(shù)據(jù)分析更好結(jié)合，將成為全光網(wǎng)絡(luò)發(fā)展的重要研究課題。
[0003] 海量數(shù)據(jù)分析的關(guān)鍵不是要求所包含數(shù)據(jù)的準(zhǔn)確性達(dá)到某種程度，而是在于對(duì)數(shù) 據(jù)搜集的廣度及對(duì)異常數(shù)據(jù)的容忍度及容錯(cuò)性。而在"光進(jìn)銅退"實(shí)施過(guò)程中，針對(duì)各種類 型的熱點(diǎn)場(chǎng)景及海量熱點(diǎn)特征及元素，沒(méi)有行之有效的規(guī)劃、設(shè)計(jì)手段。目前亟需一套合理 的優(yōu)化方法根據(jù)區(qū)域的不同需求，不同的熱點(diǎn)特征、用戶群體、業(yè)務(wù)類別實(shí)現(xiàn)網(wǎng)絡(luò)建設(shè)的合 理規(guī)劃，網(wǎng)元設(shè)備的高效部署，網(wǎng)絡(luò)業(yè)務(wù)的優(yōu)化配置，加快工程實(shí)施進(jìn)度，在傳統(tǒng)設(shè)計(jì)模式 的基礎(chǔ)上必須適時(shí)尋求更強(qiáng)大的技術(shù)支持，如運(yùn)用海量數(shù)據(jù)分析及云計(jì)算技術(shù)，通過(guò)構(gòu)建 數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)超市，可視化分析以及強(qiáng)大的預(yù)測(cè)能力，實(shí)現(xiàn)海量數(shù)據(jù)的質(zhì)量管理功能，提 高規(guī)劃工作的質(zhì)量與效率、網(wǎng)絡(luò)建設(shè)質(zhì)量，降低工程實(shí)施成本，加速網(wǎng)絡(luò)部署，為未來(lái)光網(wǎng) 絡(luò)發(fā)展奠定堅(jiān)實(shí)的技術(shù)理論基礎(chǔ)和行之有效的分析、評(píng)估方法。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提出了一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法。采用特 征向量的線性相關(guān)性對(duì)光接入網(wǎng)熱點(diǎn)進(jìn)行多維度優(yōu)化分解，匹配最為適合的建設(shè)模型滿足 熱點(diǎn)的建設(shè)需求。本發(fā)明中新增光接入網(wǎng)熱點(diǎn)與建設(shè)優(yōu)化模型進(jìn)行線性匹配，找出一組近 似集，構(gòu)建貝葉斯網(wǎng)絡(luò)作出決策判斷，選取最優(yōu)建設(shè)模型實(shí)現(xiàn)熱點(diǎn)的高效建設(shè)。
[0005] 本方法包括如下步驟： 步驟一:對(duì)光接入網(wǎng)熱點(diǎn)建設(shè)場(chǎng)景等描述進(jìn)行整理，將特征元素按等級(jí)、類別分類，并 根據(jù)重要程度賦予不同的權(quán)重值，形成對(duì)應(yīng)的特征向量； 對(duì)于熱點(diǎn)場(chǎng)景特征元素等級(jí)、分類劃分取決于實(shí)際建設(shè)需求，如以大規(guī)模用戶接入為 主，可考慮將接入場(chǎng)景的建筑類型、用戶數(shù)量等作為I級(jí)元素（向量中重要元素），如優(yōu)先考 慮現(xiàn)有光纜資源情況實(shí)現(xiàn)接入，則將現(xiàn)有光纜資源情況(如現(xiàn)有光纜條數(shù)、纖芯數(shù)及纖芯占 用率等)作為I級(jí)元素，進(jìn)而在規(guī)劃階段完成對(duì)新熱點(diǎn)接入的特征元素分級(jí)預(yù)定義，構(gòu)筑矢 量(即特征向量)便于分解、計(jì)算。
[0006] 設(shè)定某熱點(diǎn)場(chǎng)景的特征向量X，向量?jī)?nèi)元素為Xlj，其中序號(hào)i為分級(jí)(熱點(diǎn)場(chǎng)景的分 級(jí)），j為在i級(jí)下的特征元素（即i級(jí)下的序號(hào)j的特征描述），故級(jí)下的j個(gè)特征元素； 分級(jí)及對(duì)應(yīng)元素?cái)?shù)量可根據(jù)實(shí)際建設(shè)需求調(diào)整，但一類研究對(duì)象所采用的分級(jí)、分類元素 必須保持嚴(yán)格一致，便于線性相關(guān)性分析，并根據(jù)特征描述的重要程度賦予不同的權(quán)重值T (tij:tijXij中Xij兀素的權(quán)重值）。即： X={T · X} = {tijXij}； 步驟二:將海量熱點(diǎn)場(chǎng)景的特征向量通過(guò)線性相關(guān)性的余弦函數(shù)判定相似性，相似熱 點(diǎn)歸為一類，實(shí)現(xiàn)海量熱點(diǎn)的特征向量組模型，并通過(guò)哈希映射為信息指紋集進(jìn)行存儲(chǔ)，以 節(jié)省存儲(chǔ)空間； 通過(guò)余弦函數(shù)計(jì)算一組熱點(diǎn)的特征向量集(數(shù)量N)線性相關(guān)性，根據(jù)特點(diǎn)數(shù)量及建設(shè) 模型顆粒度，設(shè)定最小模型集數(shù)量S，門限閾值
，其中Q為模型集容量，為向 量空間的顆粒度(可與最小模型數(shù)S保持一致，根據(jù)現(xiàn)有光接入網(wǎng)熱點(diǎn)建設(shè)場(chǎng)景約近于60 個(gè)，所以Q取值可暫定為60)為調(diào)整系數(shù)，保證兩個(gè)特征向量的余弦值在合理的門限閾值 范圍內(nèi)，熱點(diǎn)與建設(shè)模型的場(chǎng)景特征足夠相似，通常取值范圍為[3~10]。
[0007] 熱點(diǎn)間兩兩比對(duì)，其特征向量的線性相關(guān)性計(jì)算的余弦函數(shù)值H - α/? S ，可判定兩個(gè)熱點(diǎn)建設(shè)模型相似;其特征向量的線性相關(guān)性計(jì)算的余弦函數(shù)絕對(duì) 值i -s/巧，可判定兩個(gè)熱點(diǎn)建設(shè)模型不相關(guān)。設(shè)定最大模型數(shù)量L，以上歸類 后特征數(shù)量集超過(guò)預(yù)定值L，則考慮增大顆粒度，采用調(diào)整系數(shù)增加向量容量。
[0008] 以上海量熱點(diǎn)的線性相關(guān)性快速歸類，形成新的特征向量集(數(shù)量Μ)，便于數(shù)據(jù)的 壓縮存儲(chǔ)，通過(guò)哈希函數(shù)映射信息指紋，將現(xiàn)有特征向量集映射為信息指紋集，即： {HaUihHaUdr'HaUM)}。
[0009] 其中Ha(X)即采用哈希映射完成 步驟三:根據(jù)步驟二模型，對(duì)新熱點(diǎn)進(jìn)行分解及特征分析，找出一組相近特征向量;具 體步驟如下所示：
步驟A:采用余弦函數(shù)對(duì)新熱點(diǎn)Χο與模型集中現(xiàn)有特征向量ΧΑ進(jìn)行相似性分析；
ess:s森eos:.沒(méi)是熱點(diǎn)場(chǎng)景特征向量的余弦值。
[0010] 步驟B:計(jì)算值的判定方法如下（門限閾值 ，其中Q為模型集容量， 為調(diào)整系數(shù)）； Deas#泛.1'-- a/Q，可判定新熱點(diǎn)Xo與建設(shè)模型Xa相似； 為/_cosi: < 1 -，可判定新熱點(diǎn)Xci與建設(shè)模型Xa無(wú)關(guān)。
[0011]步驟C:與新熱點(diǎn)相關(guān)的模型唯一，則直接判定新熱點(diǎn)在熱點(diǎn)場(chǎng)景集中的合理建設(shè) 豐旲型； 根據(jù)步驟B方式，與現(xiàn)有模型集特征向量逐一比對(duì)，相似模型唯一，則直接判定新熱點(diǎn) 在熱點(diǎn)場(chǎng)景集中的合理建設(shè)模型； 步驟D:與新熱點(diǎn)相關(guān)的模型為一組，進(jìn)入步驟四； 根據(jù)步驟B方式，與現(xiàn)有模型集特征向量逐一比對(duì)，相似模型數(shù)量大于1，則進(jìn)入步驟 四； 步驟E:與新熱點(diǎn)無(wú)相關(guān)性，則該熱點(diǎn)加入熱點(diǎn)模型集，并適當(dāng)調(diào)整模型相關(guān)性顆粒度； 根據(jù)步驟B方式，與現(xiàn)有模型集特征向量逐一比對(duì)，相似模型數(shù)量為0，現(xiàn)有熱點(diǎn)特征向 量模型集數(shù)量N=N+1，iN> L> ￡時(shí)，調(diào)整將該熱點(diǎn)加入熱點(diǎn)特征向量模型集，并映射為 信息指紋存入指紋庫(kù)； 步驟四：將步驟三得到的特征向量組與新熱點(diǎn)構(gòu)造貝葉斯網(wǎng)絡(luò)模型，特征向量組中概 率值最大的為新熱點(diǎn)最合理建設(shè)場(chǎng)景； 步驟A:將特征向量組與新熱點(diǎn)的特征向量設(shè)定為一組事件{R}; 即事件Rx與特征向量組事件Ra, Rb,…，Rn; 步驟B:將特征向量組設(shè)為前提條件，新熱點(diǎn)設(shè)為結(jié)果，通過(guò)貝葉斯網(wǎng)絡(luò)模型，計(jì)算出最 大值； 即 max{P(Rx|RA)，P(Rx|RB)r"，P(Rx|R N)} 步驟C:根據(jù)計(jì)算結(jié)果，選取合理建設(shè)模型。
[0012] 本發(fā)明的有益效果： 本發(fā)明一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法，旨在通過(guò)提取熱點(diǎn) 建設(shè)場(chǎng)景的特征描述，組成特征向量，采用特征向量的線性相關(guān)性判定該類熱點(diǎn)場(chǎng)景的建 設(shè)相似性，此計(jì)算方法尤其適用于海量熱點(diǎn)場(chǎng)景建設(shè)，提高熱點(diǎn)分類規(guī)劃、建設(shè)效率，避免 人工分析的偏差，為光網(wǎng)絡(luò)建設(shè)提供一個(gè)高效的新方法與思路。
【附圖說(shuō)明】
[0013] 附圖為本發(fā)明的流程圖。
【具體實(shí)施方式】
[0014] 下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步地詳細(xì)說(shuō)明。
[0015] 本發(fā)明選取某地市光網(wǎng)絡(luò)改造過(guò)程中熱點(diǎn)場(chǎng)景的建設(shè)模式，其中包括熱點(diǎn)場(chǎng)景 17242個(gè)，每個(gè)接入熱點(diǎn)的描述項(xiàng)為73項(xiàng)，本發(fā)明旨在采用一種基于線性相關(guān)性分析實(shí)現(xiàn)光 網(wǎng)絡(luò)建設(shè)的高效控制方法，劃分熱點(diǎn)建設(shè)模型集，并實(shí)現(xiàn)新熱點(diǎn)與建設(shè)模型集的快速匹配， 包括以下步驟： 步驟一:對(duì)光接入網(wǎng)熱點(diǎn)建設(shè)場(chǎng)景等描述進(jìn)行整理，將特征元素按等級(jí)、類別分類，并 根據(jù)重要程度賦予不同的權(quán)重值，形成對(duì)應(yīng)的特征向量； 深入理解光接入網(wǎng)建設(shè)需求，對(duì)接入網(wǎng)規(guī)劃、實(shí)施、維護(hù)環(huán)節(jié)中的設(shè)備配置、施工步驟 等進(jìn)行分析，進(jìn)而在規(guī)劃期完成對(duì)新熱點(diǎn)接入的特征元素分級(jí)預(yù)定義，構(gòu)筑矢量（即特征向 量)便于分解、計(jì)算。
[0016] 設(shè)定熱點(diǎn)場(chǎng)景為矢量X，其特征向量元素為Xlj，其中i為分級(jí)，j為在i級(jí)下的特征元 素序號(hào)，故級(jí)下的j個(gè)特征元素;分級(jí)及對(duì)應(yīng)元素?cái)?shù)量可根據(jù)實(shí)際建設(shè)需求調(diào)整，但一 類研究對(duì)象所采用的分級(jí)、分類元素必須保持嚴(yán)格一致，便于線性相關(guān)性分析，并根據(jù)特征 描述的重要程度賦予不同的權(quán)重值T。即： X={T · X} = {tijXij}； 根據(jù)熱點(diǎn)建設(shè)信息表，將現(xiàn)有熱點(diǎn)描述的73項(xiàng)內(nèi)容分為5等級(jí)，1、11、111、^、￥，其中1 級(jí)為重要元素級(jí)，包括:業(yè)務(wù)區(qū)、建筑類型、建筑面積、住戶/商戶數(shù)等；II級(jí)為次重要元素 級(jí)，包括:現(xiàn)有光纜資源情況(是否光纜接入、光纜條數(shù)、纖芯數(shù)量及占用率)等；III級(jí)為一 般元素級(jí)，IV為非重要元素級(jí)，V為可忽略元素級(jí)，如流水號(hào)、區(qū)域編碼等輔助標(biāo)識(shí)元素。每 級(jí)別元素采用數(shù)字分配;此類熱點(diǎn)特征元素分解，可根據(jù)實(shí)際業(yè)務(wù)需求及建設(shè)重心對(duì)元素 分級(jí)、分類進(jìn)行適當(dāng)調(diào)整，在熱點(diǎn)描述點(diǎn)較多時(shí)，形成熱點(diǎn)特征向量時(shí)不考慮V級(jí)元素。
[0017] 權(quán)重值T設(shè)定范圍如下所示： I級(jí):T值取定區(qū)間[4,9]; Π 級(jí):T值取定區(qū)間[1，4]; ΠΙ級(jí):T值取定區(qū)間[0.6，1.0]; IV級(jí):T值取定區(qū)間[0.2,0.6]; V級(jí):T值取定區(qū)間[0,0.1]; 步驟二:將海量熱點(diǎn)的特征向量通過(guò)線性相關(guān)性的余弦函數(shù)測(cè)定相似性，相似熱點(diǎn)歸 為一類，實(shí)現(xiàn)海量熱點(diǎn)的特征向量組模型，并通過(guò)哈希映射為信息指紋集進(jìn)行存儲(chǔ)，以節(jié)省 存儲(chǔ)空間； 通過(guò)余弦函數(shù)計(jì)算一組熱點(diǎn)的特征向量集(數(shù)量N)線性相關(guān)性，根據(jù)特點(diǎn)數(shù)量及建設(shè) 模型顆粒度，設(shè)定最小模型集數(shù)量60(S=60)，Q=60、as=3(暫定）熱點(diǎn)間兩兩比對(duì)，其特征向 量的線性相關(guān)性計(jì)算的余弦函數(shù)值泛之〇.95,可判定兩個(gè)熱點(diǎn)建設(shè)模型相似;其特征向量的 線性相關(guān)性計(jì)算的余弦函數(shù)值<<0.95,可判定兩個(gè)熱點(diǎn)建設(shè)模型不相關(guān)。設(shè)定最大模型數(shù) 量L，以上歸類后特征數(shù)量集超過(guò)預(yù)定值100(L=100)，則考慮增加相似性顆粒度值，即適當(dāng) 增加取值。
[0018] 以上海量熱點(diǎn)的線性相關(guān)性快速歸類，形成新的特征向量集(數(shù)量M，建設(shè)模型容 量線性分析后或根據(jù)實(shí)際情況增加，但《100)，便于數(shù)據(jù)的壓縮存儲(chǔ)及快速運(yùn) 算，通過(guò)哈希函數(shù)映射信息指紋，將現(xiàn)有特征向量集映射為信息指紋庫(kù)，即： {HaU^HaUsh.'HaUM)}。
[0019] 信息指紋庫(kù)的形成，取決于哈希函數(shù)的轉(zhuǎn)換方法，借鑒google關(guān)于網(wǎng)絡(luò)爬蟲(chóng)對(duì)網(wǎng) 頁(yè)搜索及存儲(chǔ)方法，采用PRNG(偽隨機(jī)數(shù)產(chǎn)生器算法)或梅森旋轉(zhuǎn)算法，可將建設(shè)模型特征 向量集映射為信息指紋庫(kù)，當(dāng)建設(shè)場(chǎng)景數(shù)據(jù)量在百萬(wàn)級(jí)時(shí)，可通過(guò)信息指紋特征向量的線 性相關(guān)性分析熱點(diǎn)的相似性，這樣可將原有〇(N 2)的運(yùn)算量降為0(N)，同時(shí)減少了 0(N)存儲(chǔ) 空間的耗費(fèi)。
[0020] 配置一臺(tái)Intel 15處理器8G內(nèi)存，操作系統(tǒng)為win7,通過(guò)C編程插件采集Excel表 格中轉(zhuǎn)換的特征向量?jī)?nèi)容，耗時(shí)約13分鐘完成現(xiàn)有17242個(gè)熱點(diǎn)場(chǎng)景的特征向量分類，形成 建設(shè)模型的特征向量集為47個(gè)。
[0021] 步驟三:根據(jù)步驟二模型，對(duì)新熱點(diǎn)進(jìn)行分解及特征分析，找出一組相近特征向 量;具體步驟如下所示： 采用余弦函數(shù)對(duì)新熱點(diǎn)Xci與模型集中現(xiàn)有特征向量Xa進(jìn)行相似性分析；
e&s Sc&s:設(shè)是熱點(diǎn)場(chǎng)景特征向量的余弦值。
[0022] 步驟B:設(shè)定閾值，計(jì)算值小于閾值可判定兩者相關(guān);大于閾值可判定兩者不相關(guān)； 3 ),9 S，可判定新熱點(diǎn)Xo與建設(shè)模型Xa相似； < G.9ScosS <: 0.9S，可判定新熱點(diǎn)X〇與建設(shè)模型Xa無(wú)關(guān)。
[0023] 步驟C:與新熱點(diǎn)相關(guān)的模型唯一，則直接判定新熱點(diǎn)在熱點(diǎn)場(chǎng)景集中的合理建設(shè) 豐旲型； 根據(jù)步驟B方式，與現(xiàn)有模型集特征向量逐一比對(duì)，相似模型唯一，則直接判定新熱點(diǎn) 在熱點(diǎn)場(chǎng)景集中的合理建設(shè)模型； 步驟D:與新熱點(diǎn)相關(guān)的模型為一組，進(jìn)入步驟四； 根據(jù)步驟B方式，與現(xiàn)有模型集特征向量逐一比對(duì)，相似模型數(shù)量大于1，則進(jìn)入步驟 四； 步驟E:與新熱點(diǎn)無(wú)相關(guān)性，則該熱點(diǎn)加入熱點(diǎn)模型集，并適當(dāng)調(diào)整模型相關(guān)性顆粒度； 根據(jù)步驟B方式，與現(xiàn)有模型集特征向量逐一比對(duì)，相似模型數(shù)量為0，現(xiàn)有熱點(diǎn)特征向 量模型集數(shù)量N=N+1，當(dāng)凡知..￡>..￡時(shí)，調(diào)整系數(shù)；??，將該熱點(diǎn)加入熱點(diǎn)特征向量模型集，并進(jìn) 行映射存入信息指紋庫(kù)； 步驟四：將步驟三得到的特征向量組與新熱點(diǎn)構(gòu)造貝葉斯網(wǎng)絡(luò)模型，特征向量組中概 率值最大的為新熱點(diǎn)最合理建設(shè)場(chǎng)景； 步驟A:將特征向量組與新熱點(diǎn)的特征向量設(shè)定為一組事件集(R); 即事件Rx與特征向量組事件Ra, Rb,…，Rn; 步驟B:將特征向量組設(shè)為前提條件，新熱點(diǎn)設(shè)為結(jié)果，通過(guò)貝葉斯網(wǎng)絡(luò)模型，計(jì)算出最 大值； 即 max{P(Rx|RA)，P(Rx|RB)r"，P(Rx|R N)} 步驟C:根據(jù)計(jì)算結(jié)果，選取合理建設(shè)模型。
[0024]結(jié)合步驟三、四所述，引入一組新熱點(diǎn)，熱點(diǎn)數(shù)量為10個(gè)，通過(guò)現(xiàn)有47個(gè)建設(shè)模型 特征向量集，帶入步驟三、四所述內(nèi)容，其中10個(gè)熱點(diǎn)特征向量遍歷后余弦函數(shù)值大等于 0.95且9個(gè)新熱點(diǎn)對(duì)應(yīng)建設(shè)模型唯一； 另外1個(gè)熱點(diǎn)與現(xiàn)有特征向量庫(kù)三個(gè)單元相似，從而進(jìn)入步驟四，引入貝葉斯網(wǎng)絡(luò)模 型，新熱點(diǎn)設(shè)定為特征向量X〇,現(xiàn)有特征向量模型分別為Xa，Xb，Xc，作為四個(gè)事件引入公 式： max{P(Rx|RA)，P(Rx|RB)，P(Rx|Rc)} 概率值分析通?？刹捎么髷?shù)統(tǒng)計(jì)法(A、B、C的I、II級(jí)元素促發(fā)X的海量數(shù)據(jù)累加統(tǒng)計(jì)的 方法）、正態(tài)分布法(符合正態(tài)統(tǒng)計(jì)數(shù)點(diǎn)分布)及專家預(yù)測(cè)法(參考A、B、C事件情況，借鑒規(guī)劃 專家及工程實(shí)施人員經(jīng)驗(yàn)，提供參考概率），本次采取專家預(yù)測(cè)法分別計(jì)算得出： P(Rx|Ra)=0.37, P(Rx|Rb)=0.52, P(Rx|Rc)=0.61 即新熱點(diǎn)X〇參考Xc類建設(shè)模型完成規(guī)劃建設(shè)。
【主權(quán)項(xiàng)】
1. 一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法，其特征在于包括以下步 驟： 步驟（1)對(duì)光接入網(wǎng)熱點(diǎn)建設(shè)場(chǎng)景等描述進(jìn)行整理，將特征元素按等級(jí)、類別分類，并 根據(jù)重要程度賦予不同的權(quán)重值，形成對(duì)應(yīng)的特征向量； 步驟(2)將海量熱點(diǎn)的特征向量通過(guò)線性相關(guān)性的余弦函數(shù)測(cè)定相似性，相似熱點(diǎn)歸 為一類，實(shí)現(xiàn)海量熱點(diǎn)的特征向量組模型，并通過(guò)哈希映射為信息指紋集進(jìn)行存儲(chǔ)； 步驟(3)根據(jù)步驟(2)模型，對(duì)新熱點(diǎn)進(jìn)行分解及特征分析，找出一組相近特征向量； 步驟(4):將步驟(3)得到的特征向量組與新熱點(diǎn)構(gòu)造貝葉斯網(wǎng)絡(luò)模型，特征向量組中 概率值最大的為新熱點(diǎn)最合理建設(shè)場(chǎng)景。2. 根據(jù)權(quán)利要求1所述的一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法， 其特征在于:步驟所述的建立熱點(diǎn)場(chǎng)景模型，對(duì)熱點(diǎn)場(chǎng)景元素進(jìn)行分級(jí)預(yù)定義。3. 根據(jù)權(quán)利要求1所述的一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法， 其特征在于:步驟(2)所述的根據(jù)步驟（1)形成的特征向量成果，通過(guò)線性相關(guān)性的余弦函 數(shù)進(jìn)行歸類，構(gòu)造熱點(diǎn)模型的特征向量集并映射為信息指紋庫(kù)。4. 根據(jù)權(quán)利要求1所述的一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法， 其特征在于:步驟(3)所述的根據(jù)步驟(2)構(gòu)造的熱點(diǎn)模型集，對(duì)新熱點(diǎn)進(jìn)行分解，通過(guò)線性 相關(guān)性找出一組相似特征向量，包括以下步驟； 步驟A:通過(guò)線性相關(guān)性對(duì)新熱點(diǎn)與模型集的特征向量分析； 步驟B:設(shè)定閾值，計(jì)算值小于閾值可判定兩者相關(guān);大于閾值可判定兩者不相關(guān)； 步驟C:與新熱點(diǎn)相關(guān)的模型唯一，則直接判定新熱點(diǎn)在熱點(diǎn)場(chǎng)景集中的合理建設(shè)模 型； 步驟D:與新熱點(diǎn)相關(guān)的模型為一組，進(jìn)入步驟(4); 步驟E:與新熱點(diǎn)無(wú)相關(guān)性，則該熱點(diǎn)加入熱點(diǎn)模型集，并適當(dāng)調(diào)整模型相關(guān)性顆粒度。5. 根據(jù)權(quán)利要求1所述的一種基于線性相關(guān)性分析實(shí)現(xiàn)光網(wǎng)絡(luò)建設(shè)的高效控制方法， 其特征在于:步驟(3)所得到的一組特征向量，與新熱點(diǎn)構(gòu)造貝葉斯網(wǎng)絡(luò)模型，特征向量組 中概率值最大的為新熱點(diǎn)最合理建設(shè)場(chǎng)景，包括以下步驟： 步驟A:將特征向量組與新熱點(diǎn)的特征向量設(shè)定為一組事件； 步驟B:將特征向量組設(shè)為前提條件，新熱點(diǎn)設(shè)為結(jié)果，通過(guò)貝葉斯網(wǎng)絡(luò)模型，計(jì)算出最 大值； 步驟C:根據(jù)計(jì)算結(jié)果，選取合理建設(shè)模型。
【文檔編號(hào)】G06F17/50GK105868435SQ201510568792
【公開(kāi)日】2016年8月17日
【申請(qǐng)日】2015年9月9日
【發(fā)明人】畢波, 程國(guó)輝, 張升偉, 趙霓, 林志超, 史煜玲, 鄧紹凱, 孫濤, 原宗毅, 張皆悅, 劉洋
【申請(qǐng)人】遼寧郵電規(guī)劃設(shè)計(jì)院有限公司