主权项 |
一种异构网络中不同丢包模式隶属度函数的构建方法,所述不同丢包模式包括误码丢包模式和拥塞丢包模式,其特征在于:首先利用势函数确定高斯混合分布的中心点;然后利用期望最大化算法确定隶属度函数的参数;根据不同丢包模式下隶属度函数的特点,将估算出的高斯分布的均值和方差作为丢包模式区分参数进行分类,从而确定出不同丢包模式的隶属度函数;在利用势函数确定高斯混合分布的中心点时,采用如下的步骤:(1)计算每个样本点的初始势值,定义初始势函数为: <mrow> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <munderover> <mi>Σ</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mfrac> <mn>4</mn> <msup> <msub> <mi>r</mi> <mi>a</mi> </msub> <mn>2</mn> </msup> </mfrac> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>N</mi> <mi>i</mi> </msub> </mrow> </msup> <mo>·</mo> <msup> <mrow> <mo>|</mo> <mo>|</mo> <mrow> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>j</mi> </msub> </mrow> <mo>|</mo> <mo>|</mo> </mrow> <mn>2</mn> </msup> <mo>)</mo> </mrow> </mrow> </msup> </mrow>Ni为该样本点的次数,ra为一个正常数,表示领域半径;取 <mrow> <msubsup> <mi>P</mi> <mn>1</mn> <mo>*</mo> </msubsup> <mo>=</mo> <mi>max</mi> <mo>{</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mo>.</mo> <mo>.</mo> <mo>.</mo> <mi>n</mi> <mo>}</mo> <mo>;</mo> </mrow>Pi(0):表示样本空间中训练样本点i的初始势函数;n:为一个正常数,表示样本空间中训练样本点总个数;xi和xj:分别表示样本空间中第i和j个训练样本的ROD值;‖xi‑xj‖:就表示样本空间中第i和j个训练样本点之间的距离;(2)计算剩余样本的更新势值,定义更新势函数公式为: <mrow> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>P</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </msubsup> <mo>-</mo> <msubsup> <mi>P</mi> <mi>k</mi> <mo>*</mo> </msubsup> <mi></mi> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mfrac> <mn>4</mn> <msup> <msub> <mi>r</mi> <mi>b</mi> </msub> <mn>2</mn> </msup> </mfrac> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>N</mi> <mi>i</mi> </msub> </mrow> </msup> <mo>·</mo> <msup> <mrow> <mo>|</mo> <mo>|</mo> <mrow> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>j</mi> </msub> </mrow> <mo>|</mo> <mo>|</mo> </mrow> <mn>2</mn> </msup> <mo>)</mo> </mrow> </mrow> </msup> </mrow>rb为一个正常数,表示领域半径,取rb=1.5ra;Pi(k):表示样本空间中训练样本点i上一次计算的势函数;Pi(k+1):表示样本空间中训练样本点i的更新势函数;Pk*:表示样本空间中所有n个训练样本点的上一次计算的势函数中的最大值;n:为一个正常数,表示样本空间中训练样本点总个数;ra和rb:均为一个正常数,表示邻域半径,且rb=1.5ra;Ni:为一个正常数,表示该样本点出现的次数;xi和xj:分别表示样本空间中第i和j个训练样本的ROD值;‖xi‑xj‖:就表示样本空间中第i和j个训练样本点之间的距离;(3)利用上述迭代公式依次找到样本的最密集点μ1,次密集点μ2,……μM,将这些点作为高斯混合分布中每类高斯分布的初始均值,μ1:最密集样本点;μ2:第二位的次密集样本点;以此类推,μM:第M位的样本点;本发明根据样本点集的聚类结果,将样本空间中的训练样本点分为四类,每一类的样本点概率密度均服从高斯分布,即由样本点得到的混合高斯分布可以表示为四个高斯分布的和,且在这四个高斯分布中,其中两个代表了网络拥塞丢包,而另两个则代表了无线误码丢包;比较方差,选择方差最大的高斯分布作为无线误码丢包的隶属度函数;对除去作为无线误码丢包的隶属度函数的第一部分的那个高斯分布外的另三类样本点的高斯分布比较均值,选取均值小的高斯分布作为无线误码丢包的隶属度函数,另外的两类高斯分布即为网络拥塞的隶属度函数。 |