[发明专利]基于神经网络学习的业务分类方法

说明书

基于神经网络学习的业务分类方法。一种基于神经网络学习的业务分类方法，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，第六步采集以上业务数据特征信息，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。本发明用于基于神经网络学习的业务分类。

技术领域：

本发明涉及一种基于神经网络学习的业务分类方法。

背景技术：

无源光网络PON网络通信中，根据不同业务类型，静态地将业务分为固定带宽要求业务、保证带宽要求业务、保证带宽和尽力而为要求业务、尽力而为要求业务；由于业务类型采用静态划分方法，不能根据业务场景做出实时调整导致资源利用率不高或较低的用户满意度。

传统IP网络通信中，一般依据业务的实时性、带宽等要求划分为交互类、流类、背景类、会话类四类业务，根据划分方法的不同，提供固定带宽、保证带宽、尽力而为服务。

业务的静态划分方法，很好地保证了实时性强、带宽要求固定的业务的需求；但在实际的网络运维过程中，并非所有实时性强、固定带宽要求的业务在所有的时间段内都有，而且像在无源光网络PON 这种针对千家万户的接入网络，用户的应用需求及网络体验千差万别；比如，一边访问社交网站(归类为交互类)，一边下载音乐、电影(归类为背景类)，这种网络体验模式和单纯地下载(归类为背景类)相比，尽管模式差别不大，但是当提供差不多的网络带宽服务时，用户的体验就差很多了。这种情形下，依然采用现有的方法，势必导致资源的浪费或者用户满意度的降低。

另一方面，用户的网络业务体验又遵循着一定的模式，比如，年轻的用户可能更倾向于社交网站的访问、网络游戏的体验，而一般家庭用户可能倾向于视频业务多一些等。这样的模式特点，正好符合神经网络学习的特点，从而为实时业务优先级和带宽要求调整提供了很好的切入点。

发明内容：

本发明的目的是提供一种在IP通信网络中依据业务行为的既有特征实现实时的业务分类从而达到提升业务满意度的基于神经网络学习的业务分类方法。

上述的目的通过以下的技术方案实现：

一种基于神经网络学习的业务分类方法，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。

所述的基于神经网络学习的业务分类方法，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。

所述的基于神经网络学习的业务分类方法，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。