一种基于蒙特卡洛树搜索的服务功能链迁移方法

    公开(公告)号:CN114900522B

    公开(公告)日:2024-03-12

    申请号:CN202210532948.6

    申请日:2022-05-11

    Applicant: 重庆大学

    Abstract: 本发明公开一种基于蒙特卡洛树搜索的服务功能链迁移方法,包括以下步骤:1)判断当前是否需要进行服务功能链迁移;2)确定待迁移服务功能链请求集合R′mig;3)确定最优迁移方案;4)形成服务功能链请求集合的链路映射方案;7)根据迁移方案和链路映射方案对待迁移服务功能链请求集合R′mig实行迁移操作,并更新物理网络拓扑;本发明解决了当服务功能链部署完成后,由于服务器资源消耗过载情景下的服务功能链迁移问题。

    一种基于相似度的多元时间序列异常检测与诊断方法

    公开(公告)号:CN116185694A

    公开(公告)日:2023-05-30

    申请号:CN202310208218.5

    申请日:2023-03-06

    Applicant: 重庆大学

    Abstract: 本发明提供了一种基于相似度的多元时间序列异常检测与诊断方法,包括:S1,获取待测试的多元时间序列;S2,结合基本概率分配方法和谷本测量获取相似度矩阵;S3,利用基于注意力机制的重构模型重构相似度矩阵;S4,比较相似度矩阵和重构矩阵得到相似误差矩阵,将相似误差矩阵中异常元素数量作为对应时刻的异常分数;S5,若异常分数达到第一阈值则该时刻异常,据异常元素分布确定异常属性。基于基本概率分配与谷本系数的相似度矩阵计算方法实现了多元时间序列属性之间的可解释关系,注意力机制的重构模型加强了处理长时间、高维度数据的能力,以更好地描述长期的时间依赖关系,提高异常诊断的能力,能检出异常时刻和异常属性。

    一种联合预测与重构的无监督KPI异常检测方法

    公开(公告)号:CN115936473A

    公开(公告)日:2023-04-07

    申请号:CN202211249799.9

    申请日:2022-10-12

    Applicant: 重庆大学

    Abstract: 一种联合预测与重构的无监督KPI异常检测方法,包括以下步骤:1)获取多元时间序列χ;2)计算归一化序列χ;3)计算干净序列S(χ);4)获得滑动窗口数据wt;5)提取高级特征ct;6)捕获特征指向的依赖关系ft和时间指向的依赖关系7)获取来自不同来源的聚合信息ht;8)并行输入聚合信息ht到基于预测的模块和基于重建的模块中,并进行训练;9)计算基于预测的模块损失基于重建的模块损失和复合目标损失10)设置阈值τ;11)根据阈值判断是否存在异常事件。本发明解决了在异常标签稀缺、时间序列高度动态甚至存在未见过的数据模式下,准确、及时地检测KPI异常情况的任务。

    一种基于蒙特卡洛树搜索的服务功能链迁移方法

    公开(公告)号:CN114900522A

    公开(公告)日:2022-08-12

    申请号:CN202210532948.6

    申请日:2022-05-11

    Applicant: 重庆大学

    Abstract: 本发明公开一种基于蒙特卡洛树搜索的服务功能链迁移方法,包括以下步骤:1)判断当前是否需要进行服务功能链迁移;2)确定待迁移服务功能链请求集合R′mig;3)确定最优迁移方案;4)形成服务功能链请求集合的链路映射方案;7)根据迁移方案和链路映射方案对待迁移服务功能链请求集合R′mig实行迁移操作,并更新物理网络拓扑;本发明解决了当服务功能链部署完成后,由于服务器资源消耗过载情景下的服务功能链迁移问题。

Patent Agency Ranking