一种easymesh网络管理方法及装置制造方法及图纸

本申请公开提供了一种easymesh网络管理方法及装置，其中，该方法包括：获取网络拓扑数据集；对所述网络拓扑数据集进行预处理；基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型；根据训练得到的网络数据模型，控制easymesh网络中每个终端的连接状态和业务流Qos，解决了现有技术中，在有限的宽带下，出现各个终端设备之间的资源竞争及冲突，出现WiFi信道拥挤问题；在某一时间，有些路由器处于空闲状态，有些路由器处于高并发状态，导致资源使用不均匀的问题。导致资源使用不均匀的问题。导致资源使用不均匀的问题。

【技术实现步骤摘要】
一种easymesh网络管理方法及装置


[0001]本专利技术涉及智能策略
，具体涉及一种easymesh网络管理方法及装置。

技术介绍

[0002]近年来，随着人民生活水平不断提高，人们对网络的带宽，时延和稳定性的要求越来越高，为了满足更好的体验，easymesh应用变得越来越广泛，在家庭中通过多个路由器的组网，达到无线信号的各个角落全覆盖，但是同样随着IOT的兴起，目前每家每户的wifi终端设备数量在不断增加就会出现如下问题：1、在有限的宽带下，会出现各个终端设备之间的资源竞争及冲突，出现WiFi信道拥挤问题；2、在某一时间，有些路由器处于空闲状态，有些路由器处于高并发状态，导致资源使用不均匀。

技术实现思路

[0003]因此，本专利技术要解决的技术问题在于克服现有技术中，在有限的宽带下，出现各个终端设备之间的资源竞争及冲突，出现WiFi信道拥挤问题；在某一时间，有些路由器处于空闲状态，有些路由器处于高并发状态，导致资源使用不均匀的问题，从而提供一种easymesh网络管理方法及装置。
[0004]为解决上述技术问题，本专利技术公开实施例至少提供一种easymesh网络管理方法及装置。
[0005]第一方面，本专利技术公开实施例提供了一种easymesh网络管理方法，包括：获取网络拓扑数据集；对所述网络拓扑数据集进行预处理；基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型；根据训练得到的网络数据模型，控制easymesh网络中每个终端的连接状态和业务流Qos。
[0006]可选地，所述获取网络拓扑数据集，包括：获取网络数据业务关联的IP地址、通信协议头、流量值、上传速率和下载速率。
[0007]可选地，所述对所述网络拓扑数据集进行预处理，包括：按照日期及时间对所述网络拓扑数据集进行预处理，所述日期包括：星期一到星期日，所述时间为每30分钟。
[0008]可选地，所述基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型包括：将所述预处理后的网络拓扑数据集输入所述神经网络，由所述神经网络进行特征提取，并输出所提取特征的特征向量；根据所输出的特征向量计算网络损失；根据所述网络损失更新所述神经网络的权重；重复上述步骤，直至网络损失收敛至低于预设值，从而得到网络数据模型。
[0009]可选地，所述根据训练得到的网络数据模型，控制easymesh网络中每个终端的连接状态和业务流Qos包括：通过检测所述网络数据模型计算出的触发条件，如果满足触发条件，则发送远程控制指令到easymesh网络中每个终端，通过easymesh网络控制easymesh网络中每个终端的发射功率、频道、天线发出的空间流和业务流Qos。
[0010]第二方面，本专利技术公开实施例还提供一种easymesh网络管理装置，包括：获取模块，用于获取网络拓扑数据集；预处理模块，用于对所述网络拓扑数据集进行预处理；训练模块，用于基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型；控制模块，用于根据训练得到的网络数据模型，控制easymesh网络中每个终端的连接状态和业务流Qos。
[0011]第三方面，本专利技术公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
[0012]第四方面，本专利技术公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
[0013]本专利技术的实施例提供的技术方案可以具有以下有益效果：获取网络拓扑数据集；对所述网络拓扑数据集进行预处理；基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型；根据训练得到的网络数据模型，控制所述easymesh网络中每个终端的连接状态和业务流Qos，本专利技术在easymesh的协议策略上，加入AI智能策略，辅助管理整个网络拓扑，统计不同设备在不同时间段使用的流量情况以及所连接的路由器设备，根据数据进行训练，形成智能策略，再根据智能策略决定设备在什么时间段应该连接到哪个路由器，并分配多大的带宽，从而使整个网络结构更加合理，用户办公娱乐更加流畅。
[0014]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
附图说明
[0015]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1示出了本专利技术公开实施例所提供的一种easymesh网络管理方法的流程图；图2示出了本专利技术公开实施例所提供的一种easymesh网络管理装置的结构示意图；图3示出了本专利技术公开实施例所提供的另一种easymesh网络管理方法的流程图；
图4示出了本专利技术公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
[0017]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。
[0018]实施例1如图1所示，本专利技术公开实施例所提供的一种easymesh网络管理方法，该方法包括：S11：获取网络拓扑数据集；S12：对所述网络拓扑数据集进行预处理；S13：基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型；S14：根据训练得到的网络数据模型，控制easymesh网络中每个终端的连接状态和业务流Qos。
[0019]在具体实践中，所述获取网络拓扑数据集，包括：获取网络数据业务关联的IP地址、通信协议头、流量值、上传速率和下载速率。
[0020]在具体实践中，所述对所述网络拓扑数据集进行预处理，包括：按照日期及时间对所述网络拓扑数据集进行预处理，所述日期包括：星期一到星期日，所述时间为每30分钟。
[0021]在具体实践中，所述基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型包括：将所述预处理后的网络拓扑数据集输入所述神经网络，由所述神经网络进行特征提取，并输出所提取特征的特征向量；根据所输出的特征向量计算网络损失；根据所述网络损失更新所述神经网络的权重；重复上述步骤，直至网络损失收敛至低于预设值，从而得到网络数据模型。
[0022]在具体实践中，所述根据训练得到的网络数据模型，控制easyme本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种easymesh网络管理方法，其特征在于，包括：获取网络拓扑数据集；对所述网络拓扑数据集进行预处理；基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型；根据训练得到的网络数据模型，控制easymesh网络中每个终端的连接状态和业务流Qos。2.根据权利要求1所述的方法，其特征在于，所述获取网络拓扑数据集，包括：获取网络数据业务关联的IP地址、通信协议头、流量值、上传速率和下载速率。3.根据权利要求1所述的方法，其特征在于，所述对所述网络拓扑数据集进行预处理，包括：按照日期及时间对所述网络拓扑数据集进行预处理，所述日期包括：星期一到星期日，所述时间为每30分钟。4.根据权利要求1所述的方法，其特征在于，所述基于所述预处理后的网络拓扑数据集对神经网络进行训练，得到网络数据模型包括：将所述预处理后的网络拓扑数据集输入所述神经网络，由所述神经网络进行特征提取，并输出所提取特征的特征向量；根据所输出的特征向量计算网络损失；根据所述网络损失更新所述神经网络的权重；重复上述步骤，直至网络损失收敛至低于预设值，从而得到网络数据模型。5.根据权利要求4所述的方法，其特征在于，所述根据训练得到的网络...

【专利技术属性】
技术研发人员：林立伟，陈京华，王旭辉，
申请(专利权)人：深圳市华曦达科技股份有限公司，
类型：发明
国别省市：