[发明专利]一种面向移动网络中节点网络距离的预测方法有效
| 申请号： | 201510371575.9 | 申请日： | 2015-06-30 |
| 公开（公告）号： | CN104968047B | 公开（公告）日： | 2018-06-15 |
| 发明（设计）人： | 熊永华;吴敏;张超 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | H04W64/00 | 分类号： | H04W64/00;H04W4/02 |
| 代理公司： | 武汉华旭知识产权事务所 42214 | 代理人： | 刘荣;周宗贵 |
| 地址： | 430074 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 网络距离 距离预测 预测 矩阵分解 速率参数 线性搜索 移动网络 预测算法 向量 算法 计算机网络技术领域 分解 动态更新 对称矩阵 非负矩阵 节点网络 节点坐标 引入 多节点 非负性 鲁棒性 减小 测量 保证 局限 学习 融入 延伸 更新 出口 | ||
1.一种面向移动网络中节点网络距离的预测方法，其特征在于包括以下步骤：
(1)建立由网络节点组成的网络计算系统模型，将由网络节点构成的网络空间映射到欧氏空间，所述欧氏空间为嵌入空间，从网络节点中选取基准节点，网络节点中除基准节点以外的节点为普通节点；测量基准节点之间的距离值，确定基准节点的坐标值；测量嵌入空间中的每个普通节点到基准节点的距离，构建由各距离值组成的距离矩阵X，确定普通节点对于基准节点的坐标；
(2)将距离矩阵X进行随机梯度分解，得到矩阵U和矩阵V，其中，矩阵U的第i行为第i个网络节点即节点i的进口向量ui，矩阵U的第j行为第j个网络节点即节点j的进口向量uj，矩阵V的第j列为节点i的出口向量vi，矩阵V的第i列为节点j的出口向量vj；
(3)节点i向节点j发送请求；
节点j接收请求，回答节点i的请求，该请求中包括(uj,vj)，uj表示节点j的进口向量，vj表示节点j的出口向量；
节点i收到节点j的回答，测算节点i到节点j的距离dij，同时节点i更新其进口向量ui和出口向量vi；
(4)根据以下公式计算节点i到其他普通节点的损耗之和li以及其他普通节点到节点i的损耗之和li：
其中，Ni表示节点i的近邻节点集，由节点i的设置距离范围内的普通节点组成，λ为预设置的调整参数，表示测量值与预测值的误差函数，其中d和为误差函数中的参数。
2.根据权利要求1所述的面向移动网络中节点网络距离的预测方法，其特征在于：步骤(3)中，节点i根据以下公式更新其进口向量ui和出口向量vi：
其中，和利用损耗函数计算，η为预设置的学习速率参数，λ为预设置的调整参数，测量值与预测值的误差函数为：
其中，d和为误差函数中的参数。
3.根据权利要求1所述的面向移动网络中节点网络距离的预测方法，其特征在于：步骤(3)中，节点i根据以下公式更新其进口向量ui和出口向量vi：
其中，和利用损耗函数计算，η为设置的学习速率参数，λ为预设置的调整参数，测量值与预测值的误差函数为：
d和为误差函数中的参数；
权重利用以下公式计算：
其中，aj表示节点j的稳定时间信息，amax表示近邻节点集中节点的最大稳定时间，aj和amax均为节点的已知信息。
4.根据权利要求1所述的面向移动网络中节点网络距离的预测方法，其特征在于：步骤(3)中，节点i根据以下公式更新其进口向量ui和出口向量vi：
其中，和利用损耗函数计算，η为设置的学习速率参数，λ为预设置的调整参数，测量值与预测值的误差函数为：
d和为误差函数中的参数；
权重利用以下公式计算：
其中，aj表示节点j的稳定时间信息，amax表示近邻节点集中节点的最大稳定时间；
5.根据权利要求2至4任一项所述的面向移动网络中节点网络距离的预测方法，其特征在于：步骤(3)中，若预测距离则将转换为一个小于0.01的正数。
6.根据权利要求2至4任一项所述的面向移动网络中节点网络距离的预测方法，其特征在于：步骤(3)中，所述损耗函数为
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地质大学（武汉），未经中国地质大学（武汉）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/pat/books/201510371575.9/1.html，转载请声明来源钻瓜专利网。
