数据的计算与传输方法及系统技术方案

本发明专利技术涉及数据传输技术领域，公开了一种数据的计算与传输方法，包括：采用关联性计算数据属性之间的关系，并提取关联性在设定数值以上的数据源，组成数据源组；根据元组数据密度分析所述数据源组的数据属性，并对每个元组数据进行权重分配；建立多径并行传输架构；采用机器学习方法进行有效带宽估计与参数滤波处理；进行带宽调度与信道安全协议体系建立，完成所述数据源的传输。本发明专利技术提供的数据的计算与传输方法及系统，将机器学习方法应用到数据安全传输中，解决了传输过程中发生干扰问题，减少传输中的能耗，有效的保证数据的高效传输。传输。传输。

【技术实现步骤摘要】
数据的计算与传输方法及系统


[0001]本专利技术涉及数据传输
，特别涉及一种数据的计算与传输方法及系统。

技术介绍

[0002]当前，通信技术发展迅速，多种网络特点明显，并经过多年的改革创新，使无线接入技术的传输速率逐渐逼近极限。在这种背景下，为满足多种业务需求，需要进行多网写作。但是，传统的写作机制在网络传输资源使用上，不能同时、高效的使用，不能有效保证高效传输业务，并且会增加传输中的能耗问题，从而导致传输过程中发生干扰问题。

技术实现思路

[0003]本专利技术提供了一种数据的计算与传输方法及系统，将机器学习方法应用到数据安全传输中，解决了传输过程中发生干扰问题，减少传输中的能耗，有效的保证数据的高效传输。
[0004]本专利技术提供了一种数据的计算与传输方法，包括：
[0005]采用关联性计算数据属性之间的关系，并提取关联性在设定数值以上的数据源，组成数据源组；
[0006]根据元组数据密度分析所述数据源组的数据属性，并对每个元组数据进行权重分配；
[0007]建立多径并行传输架构；
[0008]采用机器学习方法进行有效带宽估计与参数滤波处理；
[0009]进行带宽调度与信道安全协议体系建立，完成所述数据源的传输。
[0010]进一步地，所述采用关联性计算数据属性之间的关系，并提取关联性在设定数值以上的数据源，组成数据源组的步骤中，计算公式为：
[0011][0012]其中，T为所有数据源的综合表数，lev
si,sj
(i,j)为数据源类间的相关性。
[0013]进一步地，所述根据元组数据密度分析所述数据源组的数据属性，并对每个元组数据进行权重分配的步骤中，分配公式为：
[0014][0015]其中，w(C)为属性权重，w(t
k
)为核心元组的数目，δ为异常值，w(t
b
)为边的元组数目。
[0016]进一步地，所述采用机器学习方法进行有效带宽估计与参数滤波处理的步骤，包括：
[0017]采用耦合拥塞控制算法，对各个子流联合控制；
[0018]对网络参数进行卡尔曼滤波器滤波，得到精确的估计值。
[0019]进一步地，所述采用耦合拥塞控制算法，对各个子流联合控制的步骤中，表达式为：
[0020][0021]其中，MSS为报文最大长度的常数，由协议设置，RTT
i
、PLR
i
分别为子流所处路径的往返延迟和丢包率。
[0022]进一步地，所述对网络参数进行卡尔曼滤波器滤波，得到精确的估计值的步骤中，在离散控制系统中，采用线性随机微分方程：
[0023]X
k
＝A
k
X
k
‑1+B
k
u
k
+w
k
[0024]其中，X
k
、X
k
‑1分别为k时刻与k
‑
1时刻的状态参数，A
k
、B
k
为系统参数，u
k
为控制的输入参数，w
k
为计算时的噪声。
[0025]进一步地，所述进行带宽调度与信道安全协议体系建立，完成所述数据源的传输的步骤，包括：
[0026]设定一多径连接包含n条子流，每个子流都彼此独立，每个子流占用一个路径进行数据传输；
[0027]在开始传输时，记录每个子流的连接时间；
[0028]更新数据，并对数据进行滤波处理；
[0029]判断有效带宽的估计是否完成；
[0030]若有效带宽的估计未完成，则返回更新数据，并对数据进行滤波处理的步骤；
[0031]若有效带宽的估计完成，则设置无线链路带宽；
[0032]根据SSL协议、规则建立协议、隧道信息协议建立安全协议体系，完成所述数据源的传输。
[0033]本专利技术还提供了一种数据的计算与传输系统，包括：
[0034]提取模块，用于采用关联性计算数据属性之间的关系，并提取关联性在设定数值以上的数据源，组成数据源组；
[0035]分析模块，用于根据元组数据密度分析所述数据源组的数据属性，并对每个元组数据进行权重分配；
[0036]建立模块，用于建立多径并行传输架构；
[0037]处理模块，用于采用机器学习方法进行有效带宽估计与参数滤波处理；
[0038]调度模块，用于进行带宽调度与信道安全协议体系建立，完成所述数据源的传输。
[0039]本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0040]本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0041]本专利技术的有益效果为：
[0042]通过关联性计算得到数据属性之间的关系，提取关联性高的数据源组成数据源组，进而能够根据元组数据密度分析所述数据源组的数据属性，并对每个元组数据进行权重分配，然后建立多径并行传输架构，在此基础上，采用机器学习方法进行有效带宽估计与参数滤波处理，最后进行带宽调度与信道安全歇息体系建立，从而完成数据安全传输，有效
减少了数据传输时延，并减少了数据传输中断情况与数据丢包率。
附图说明
[0043]图1为本专利技术一实施例的方法流程示意图。
[0044]图2为本专利技术中多径并行传输架构示意图。
[0045]图3为本专利技术一实施例的装置结构示意图。
[0046]图4为本专利技术一实施例的计算机设备内部结构示意图。
[0047]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0048]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0049]需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0050]另外，在本专利技术中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据的计算与传输方法，其特征在于，包括：采用关联性计算数据属性之间的关系，并提取关联性在设定数值以上的数据源，组成数据源组；根据元组数据密度分析所述数据源组的数据属性，并对每个元组数据进行权重分配；建立多径并行传输架构；采用机器学习方法进行有效带宽估计与参数滤波处理；进行带宽调度与信道安全协议体系建立，完成所述数据源的传输。2.根据权利要求1所述的数据的计算与传输方法，其特征在于，所述采用关联性计算数据属性之间的关系，并提取关联性在设定数值以上的数据源，组成数据源组的步骤中，计算公式为：其中，T为所有数据源的综合表数，lev
si,sj
(i,j)为数据源类间的相关性。3.根据权利要求1所述的数据的计算与传输方法，其特征在于，所述根据元组数据密度分析所述数据源组的数据属性，并对每个元组数据进行权重分配的步骤中，分配公式为：其中，w(C)为属性权重，w(t
k
)为核心元组的数目，δ为异常值，w(t
b
)为边的元组数目。4.根据权利要求1所述的数据的计算与传输方法，其特征在于，所述采用机器学习方法进行有效带宽估计与参数滤波处理的步骤，包括：采用耦合拥塞控制算法，对各个子流联合控制；对网络参数进行卡尔曼滤波器滤波，得到精确的估计值。5.根据权利要求4所述的数据的计算与传输方法，其特征在于，所述采用耦合拥塞控制算法，对各个子流联合控制的步骤中，表达式为：其中，MSS为报文最大长度的常数，由协议设置，RTT
i
、PLR
i
分别为子流所处路径的往返延迟和丢包率。6.根据权利要求4所述的数据的计算与传输方法，其特征在于，所述对网络参数进行卡尔曼滤波器滤波，得到精确的估计值的步骤中，在离散控制系统中，采用线性随机微分方程：X
k
＝A
k
X
k

【专利技术属性】
技术研发人员：韦智勇，蔡旌章，王其艮，黄文辉，刘维坚，
申请(专利权)人：广西岑科电子工业有限公司，
类型：发明
国别省市：