[发明专利]一种基于卷积神经网络的负载均衡方法

权利要求书

1.一种基于卷积神经网络的负载均衡方法，其特征在于，包括以下步骤：

步骤一：多次获取一条正在进行通信数据传输的通信链路的三个质量参数的数据作为训练集；

步骤二：将得到的训练集对卷积神经网络进行训练，得到训练好的卷积神经网络；

步骤三：在多条正在进行通信数据传输的待均衡通信链路中，获取各条待均衡通信链路的三个质量参数的数据，在训练好的卷积神经网络进行训练，分别得到第n条待均衡通信链路的第i个质量参数的概率值p_ni；

所述的第n条待均衡通信链路第i个质量参数的概率值p_ni包括：

其中y_i表示在第n条待均衡通信链路中第i个质量参数的卷积神经网络的输出层的输出向量y，i＝1，2，3；

步骤四：第n条待均衡的通信链路的质量概率ξ_n通过

得到，用各条待均衡的通信链路的通信质量概率之比对各条待均衡的通信链路正在进行传输的数据进行分配，实现负载均衡。

2.根据权利要求1所述的基于卷积神经网络的负载均衡方法，其特征在于，所述的通信链路的三个质量参数包括时延、速率和丢包率。

3.根据权利要求1所述的基于卷积神经网络的负载均衡方法，其特征在于，步骤二所述的卷积神经网络的池化层采用最大池化

4.根据权利要求1所述的基于卷积神经网络的负载均衡方法，其特征在于，步骤二中卷积神经网络的输出层采用softmax分类器，输出为：

y＝softmax(g*z+b₀)

g为所需学习的权重，z为特征向量，b₀为偏置。

5.根据权利要求1所述的基于卷积神经网络的负载均衡方法，其特征在于，所述的通信链路为4G无线通信链路。

6.根据权利要求1所述的基于卷积神经网络的负载均衡方法，其特征在于，所述的卷积神经网络包括输入层、卷积层、池化层、全连接层、输出层。