[发明专利]识别无线网络类型及模型训练的方法、装置及电子设备

权利要求书

1.一种识别无线网络类型的方法，其特征在于，包括：

获取待识别类型的无线网络的网络信息，所述网络信息包括所述无线网络在周期时段内的连接信息、以及所述无线网络的配置和热度对应的属性信息；所述属性信息包括周期内的连接重复率，所述连接信息用于表示所述无线网络在单位时长中的连接情况；

根据第一数量除以第二数量得到的商，确定所述无线网络在所述周期内的连接重复率；其中，所述第一数量为一周期内连接所述无线网络的终端的数量，所述第二数量为所述一周期及其相邻的至少两个周期内都连接所述无线网络的终端的数量；

根据固定时段内的单位时长，对所述连接信息中的连接数量进行排布，生成第一矩阵；

基于卷积神经网络对所述第一矩阵进行处理，得到第二矩阵，其中，所述卷积神经网络可以包含两层或者两层以上的卷积核；

对所述第二矩阵进行线性变换，得到所述连接特征；

对所述属性信息进行编码，得到编码信息；

根据排布顺序，对所述编码信息进行排布，得到第一特征向量；

基于多层感知网络，提取所述第一特征向量中的特征，作为所述属性特征；

对基于所述连接特征和所述属性特征得到的网络综合特征进行分类，得到分类结果；

基于所述分类结果，确定所述无线网络的类型。

2.根据权利要求1所述的方法，其特征在于，基于多层感知网络，提取所述第一特征向量中的特征，作为所述属性特征，包括：

在所述多层感知网络的第一层网络中，对所述第一特征向量进行降维，得到第二特征向量；

在所述多层感知网络的第二层网络中，对所述第二特征向量进行降维，得到所述属性特征。

3.根据权利要求1所述的方法，其特征在于，基于卷积神经网络对所述第一矩阵进行处理，得到第二矩阵，包括：

将所述第一矩阵输入第一数目的第一卷积核，得到第一卷积结果；

对所述第一卷积结果进行池化处理，得到中间矩阵；

将所述中间矩阵输入第二数目的第二卷积核，得到第二卷积结果；

对所述第二卷积结果进行池化处理，得到所述第二矩阵。

4.根据权利要求1所述的方法，其特征在于，对基于所述属性特征和所述连接特征得到的网络综合特征进行分类，得到分类结果，包括：

对所述属性特征和所述连接特征进行融合，得到所述网络综合特征；

将所述网络综合特征输入全连接层，得到输出向量；

将所述输出向量输入分类器中，得到所述分类结果。

5.根据权利要求1所述的方法，其特征在于，获取无线网络的网络信息，包括：

获取所述无线网络的标识信息、连接所述无线网络的终端的标识信息；

根据所述无线网络的标识信息和所述终端的标识信息，从无线网络特征库中提取对应的信息，作为所述网络信息。

6.根据权利要求1所述的方法，其特征在于，所述属性信息包括所述无线网络的文本特征；

获取无线网络的网络信息，包括：

获取所述无线网络的标识信息；

对所述标识信息进行分词，得到分词结果；

根据词汇样本，对所述分词结果进行嵌入处理，得到扩充词汇；

抽取所述扩充词汇中的关键词，得到所述文本特征。

7.根据权利要求1所述的方法，其特征在于，所述无线网络的类型包括办公区无线网络和非办公区无线网络；

基于所述分类结果，确定所述无线网络的类型之后，还包括：

若所述无线网络的类型为办公区无线网络，则提高所述无线网络的连接权限。