[发明专利]基于神经网络学习的业务分类方法

权利要求书

1.一种基于神经网络学习的业务分类方法，其特征是:本方法包括十步，第一步启动待业务分类的IP网络组件，第二步静态配置待分类业务的优先级和带宽要求，第三步模拟用户网络访问行为，第四步记录采集到的业务数据特征信息，第五步使静态配置业务优先级和带宽要求达到一定的网络访问满意度是对于每种上网行为，反复执行第二步、第三步、第四步，尽可能覆盖大部分用户网络访问行为，使静态配置业务优先级和带宽要求达到一定的网络访问满意度；第六步采集以上业务数据特征信息是通过真实无源光网络PON网络系统进行；此种情形下，静态配置业务优先级和带宽要求通过网络管理单元下发到各光网络单元ONU，各光网络单元ONU完成业务特征信息采集，然后上报到指定的文件服务器；第七步数据采集完毕，第八步对数据进行归一化处理，第九步按时间顺序将归一化处理后的训练样例数据输入神经网络，第十步应用实际的网络过程。

2.根据权利要求1所述的基于神经网络学习的业务分类方法，其特征是:所述的第一步启动待业务分类的IP网络组件是为了执行第二步～第六步进行神经网络训练样例数据采集；所述的第二步是在待业务分类的IP网络组件上开启业务数据特征信息采集；所述的第三步模拟用户网络访问行为是使各种事先静态配置优先级的各类业务经过开启业务数据特征信息采集的IP网络组件。

3.根据权利要求1所述的基于神经网络学习的业务分类方法，其特征是:所述的第四步记录采集到的业务数据特征信息是同时保存相应的静态配置优先级和带宽要求，所述的业务数据特征信息包括上行报文大小平均值与方差、上行报文到达间隔平均值与方差、当前业务上行缓存大小、当前业务丢包率、当前业务网络时延。

4.根据权利要求1所述的基于神经网络学习的业务分类方法，其特征是:所述的第七步数据采集完毕是光网络单元ONU下的采样数据各自汇聚在一起是为了执行第八步、第九步进行神经网络训练；所述的第八步对数据进行归一化处理是上行报文大小平均值与方差、上行报文到达间隔平均值与方差、上行缓存大小、丢包率、当前业务平均响应延时归一化之后，按时间排序；所述的第九步按时间顺序将归一化处理后的训练样例数据输入神经网络是求出业务优先级网络权重向量W_{网络权重向量}，针对各光网络单元ONU分别求出各自的权重向量W。

5.根据权利要求1所述的基于神经网络学习的业务分类方法，其特征是:所述的第十步应用实际的网络过程是与训练样例采集类似，所不同的是，此时业务的优先级由神经网络实时输出。

6.根据权利要求3所述的基于神经网络学习的业务分类方法，其特征是:使用光网络单元ONU和光线路终端OLT和具有与光网络单元ONU和光线路终端OLT相似的业务分类需求的IP网络组件进行所述的特征信息采集。