【技术实现步骤摘要】
本专利技术涉及深度学习和缺失流量数据补全领域，特别是一种缺失流量数据补全方法、终端设备及存储介质。
技术介绍
1、流量矩阵是一个二维矩阵，表示在一个给定的ip域中，所有可能的源和目的之间的流量。流量矩阵是网络规划的重要依据，它可以帮助网络设计人员了解网络的流量需求、流量分布和流量变化趋势，从而进行合理的容量规划、链路选择、路由策略和流量工程等。流量矩阵也可以用于网络监控和故障诊断，它可以反映网络的性能、可靠性和效率，以及网络中可能存在的拥塞、异常或攻击等问题。
2、然而，流量矩阵可能存在缺失，且原因是多样的。例如，(1)网络中的某些网络设备不支持流级流量测量。这种情况下，无法从这些设备获取流量数据，导致流量矩阵中对应的元素缺失。(2)数据采集系统故障或传输协议不可靠导致测量数据丢失。这种情况下，由于系统或网络的问题，流量数据在采集或传输过程中可能丢失或延迟，导致流量矩阵中部分元素缺失。(3)网络中的某些网络设备，为了降低测量成本，仅在某些时隙运行测量功能。这种情况下，由于设备的策略或限制，流量数据的采集频率或时间间隔可能不足...
【技术保护点】
1.一种缺失流量数据补全方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的缺失流量数据补全方法，其特征在于，所述缺失流量数据补全模型训练过程包括：
3.根据权利要求1所述的缺失流量数据补全方法，其特征在于，提取特征图的高级向量表征uij的具体实现过程包括：将特征图输入二维卷积模块，得到高级向量表征uij；
4.根据权利要求1所述的缺失流量数据补全方法，其特征在于，所述缺失流量数据补全模型的损失函数L的表达式为：
5.根据权利要求4所述的缺失流量数据补全方法，其特征在于，τ设置为0.001。
6.根据权...
【技术特征摘要】
1.一种缺失流量数据补全方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的缺失流量数据补全方法，其特征在于，所述缺失流量数据补全模型训练过程包括：
3.根据权利要求1所述的缺失流量数据补全方法，其特征在于，提取特征图的高级向量表征uij的具体实现过程包括：将特征图输入二维卷积模块，得到高级向量表征uij；
4.根据权利要求1所述的缺失流量数据补全方法，其特征在于，所述缺失流量数据补全模型的损失函数l的表达式为：
5.根据权利要求4所述的缺失流量数据补全方法，其特征在于，τ设置为0.001。
6.根据权利...
【专利技术属性】
技术研发人员：谢鲲，王浩轩，文吉刚，张大方，李肯立，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。