[发明专利]一种网络仿真数据的准确性量化方法

说明书

本发明公开了一种网络仿真数据的准确性量化方法，本发明详细介绍了数据的拓扑性质的近似估计方法，并在拓扑性质估计的基础上提出了不同数据的拓扑性质相似度的计算方法，通过计算仿真模型数据和参考数据的拓扑空间性质的相似程度来度量数据之间的相似性，同时提供了定量的度量指标可以直接比较不同的模型数据和参考数据之间的相似程度的大小，可用于网络仿真可信度的评估。

技术领域

本发明属于网络仿真技术领域，尤其涉及一种网络仿真可信度评估中对仿真数据的准确性进行量化的方法。

背景技术

网络仿真是目前研究网络系统设计规划运行的有效手段，通过建立网络通信设备组件、传播环境、链路以及协议的模型，并且通过提供的相关的流量模型仿真模拟业务流量在网络中的传输，从而获取网络研究设计或网络模型优化所需的网络性能相关的指标数据。

网络仿真是基于相似性原理，所以仿真系统模型是否可信，最直接的方法是通过考察仿真模型的输出响应变量和系统状态变量的观测值与实际参考系统的输出响应变量和系统状态变量的观测值之间的偏差是否大到掩盖了仿真模型的有用性，即需要度量仿真数据与参考数据之间是否有足够的相似程度。所以仿真数据与参考数据的相似性的度量是进行仿真输出数据的准确性分析的重要内容。

目前针对相似度的度量方法研究，常用的有基于距离的度量方法，如编辑距离、欧式距离、动态时间弯曲距离以及灰色关联分析的空间距离等。但当数据扩展到多输出的高维数据之间的相似度度量时纯粹的基于距离的度量则区分程度不敏感。对于网络仿真研究中通过仿真模型生成的数据，假设其生成数据的分布为p_model(X)，则同样地参考数据的分布为p_data(X)。根据流形假设的理论：实际的支撑数据生成的分布p_data(X)是一个在欧式空间的低维流形M_data，且该流形是一个非线性的复杂的难以显示描述的空间结构。则同样的通过仿真生成模型生成的数据也有一个固有的流形为M_model。因此基于此假设，如果仿真模型足够好的话，其生成数据的流形空间和参考数据的流形空间应该是很接近的，即流形空间的拓扑性质是相似的，拓扑空间是指数据点在一定的度量空间下点与点之间构成的抽象的空间结构，是对数据内部的关系进行的全局客观的度量，所以提出了基于拓扑数据分析的相似性度量方法。

发明内容

目前针对相似度的度量方法研究，常用的有基于距离的度量方法，如编辑距离、欧式距离、动态时间弯曲距离以及灰色关联分析的空间距离等。但当数据扩展到多输出的高维数据之间的相似度度量时纯粹的基于距离的度量则区分程度不敏感。为了解决现有技术中存在的问题，本发明提供了一种网络仿真数据的准确性量化方法。

本发明所采用的技术方案是：一种网络仿真数据的准确性量化方法，其特征在于，包括以下步骤：

步骤1：假定网络仿真数据集为X，从中随机选择L个标定点，然后计算所选标定点与网络仿真数据集X的成对距离，并通过矩阵形式保存；

步骤2：通过默认设定的γ值与所选标定点之间成对距离的最大值相乘计算出持续性参数α的最大值α_max；

步骤3：利用步骤1中所选标定点与网络仿真数据集X的成对距离和2计算得到的参数α_max，以及witness复形进行拓扑近似，复形的最大维度设为k，然后利用得到的复形族计算在维度为k时的持续性区间；

步骤4：通过式(1)计算相对生成时间RTL(i,k,X,L)；

其中，β_k(α)表示k维“环”的贝蒂系数，i表示环的个数，k表示环的维度，μ表示在α的整个变化区间内，β_k(α)＝i的区间的长度；

对于一个固定值的α,k维“环”的贝蒂系数为包含α的持续性区间的数量，相应的值函数为式(2)；