【摘要】 本发明公布了一种基于分布式监测管理架构的业务感知方法，本发明方法包括如下步骤：1)采用监测代理判断业务流是否已带标记；2)当监测代理监测到未处理过的业务流时，向业务登记表注册，并查询内存记录；3)对监测代理提交的业务信息进行预处理，即将监测代理监测到的特征信息向量化；4)对预处理后的信息放入SVM模块训练，该训练方法采用半监督学习方法；5)将第4步中训练获得的样本存入业务数据表中，以供下次鉴别时使用；6)以上结束对业务流的识别监测，打好标记后转至路由的下一节点。本发明各模块协同工作，功能有序统一，提高了业务识别的实效性，保证了其端到端QoS。 【专利类型】发明申请 【申请人】南京邮电大学 【申请人类型】学校 【申请人地址】210003 江苏省南京市新模范马路66号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】鼓楼区 【申请号】CN201010576171.0 【申请日】2010-12-07 【申请年份】2010 【公开公告号】CN102025781A 【公开公告日】2011-04-20 【公开公告年份】2011 【发明人】孙雁飞; 张顺颐; 亓晋; 顾成杰; 朱伟春; 王攀 【主权项内容】一种基于分布式监测管理架构的业务感知方法，其特征在于包括如下步骤：1)采用监测代理判断业务流是否已带标记，如果有则转至第6)步，否则继续第2)步；2)当监测代理监测到未处理过的业务流时，向业务登记表注册，并查询内存记录：业务登记表将查询内存记录结果反馈给智能代理，如业务登记表中有记录即监测到的未处理过的业务流已经处理，则将所述业务流标记，并转至第6)步；如业务登记表注册中无记录即监测到的未处理过的业务流未已经处理，则智能代理将所述业务流提交给SVM模块＝处理后在业务登记表注册注册；3)对监测代理提交的业务信息进行预处理，即将监测代理监测到的特征信息向量化；4)对预处理后的信息放入SVM模块训练，该训练方法采用半监督学习方法，具体训练方法如下：a)将步骤3)所述作向量化后的信息为一个训练集，先将训练集中的一部分样本标记，并以所述标记的样本作为初始训练集训练出一个原始分类器SVM1；b)再用原始分类器SVM1对原始样本继续训练，并标记训练后的样本得到第一分类器SVM2，所述原始样本包含已标记的样本和部分未标记的样本，所述已标记的样本表示步骤a)中标记的样本经过训练以后的结果，所述部分未标记的样本表示步骤a)中未标记的样本中的一部分；c)将步骤b)过程中训练获得的标记后的样本继续作为下一次的输入，返回步骤b)，直到训练集中已标记的样本数量是全部样本的m倍时，停止训练；m∈(0，1)，m次迭代完成后获得具有较高分类精度的分类器SVM*；5)将第4步中训练获得的样本存入业务数据表中，以供下次鉴别时使用；6)以上结束对业务流的识别监测，打好标记后转至路由的下一节点。 【当前权利人】南京邮电大学 【当前专利权人地址】江苏省南京市新模范马路66号 【专利权人类型】公立 【统一社会信用代码】123200004260908590 【被引证次数】TRUE 【家族被引证次数】TRUE

未经允许不得转载：http://www.zhongzhencnc.com/1785783443.html