CN105430613A - 一种基于空间信息数据挖掘的路由路径计算方法 - Google Patents
一种基于空间信息数据挖掘的路由路径计算方法 Download PDFInfo
- Publication number
- CN105430613A CN105430613A CN201510736878.6A CN201510736878A CN105430613A CN 105430613 A CN105430613 A CN 105430613A CN 201510736878 A CN201510736878 A CN 201510736878A CN 105430613 A CN105430613 A CN 105430613A
- Authority
- CN
- China
- Prior art keywords
- motion track
- information network
- node
- frequent
- length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/242—Connectivity information management, e.g. connectivity discovery or connectivity update aging of topology database entries
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于空间信息数据挖掘的路由路径计算方法,该方法对空间信息网络节点移动轨迹进行预处理:等分空间信息网络区域,将经过相同区域的所述空间信息网络节点的移动轨迹整合为一条节点移动轨迹;根据整合后的节点移动轨迹的支持度,确定空间信息网络的所有频繁移动轨迹;根据空间信息网络的频繁移动轨迹,生成空间信息网络所有节点的移动规则,建立其时空图模型;根据空间信息网络的时空图模型,计算空间信息网络的时空图模型中源节点到目的节点的备选分组转发路径的开销和可靠度,从而确定空间信息网络的所有分组转发路径。
Description
技术领域
本发明属于通信技术领域,具体涉及一种基于空间信息数据挖掘的路由路径计算方法。
背景技术
随着全球空间研发的日益发展,庞大空间数据与有限频谱资源的冲突愈加严重。为此,空间信息网络应运而生。它实现了大陆、海洋、天空,以及深空段异构网络资源的高效整合,但也伴随着新的特点与挑战。
空间信息网络拓扑动态变化,对其节点的位置预测成为关键。但现有节点移动轨迹预测方法未考虑节点移动规则的时效性;空间信息网络节点能量受限,网络环境较为恶劣,对节点间链路的开销和可靠性的优化成为另一个挑战点,但现有路由路径计算方法并未考虑链路的开销和可靠性优化问题。
发明内容
针对现有技术的不足,本发明提出一种基于空间信息数据挖掘的路由路径计算方法。
一种基于空间信息数据挖掘的路由路径计算方法,包括以下步骤:
步骤1:对空间信息网络节点移动轨迹进行预处理:等分空间信息网络区域,将经过相同区域的所述空间信息网络节点的移动轨迹整合为一条节点移动轨迹;
步骤2:根据整合后的节点移动轨迹的支持度,确定空间信息网络的所有频繁移动轨迹;
步骤2.1:计算整合后的节点移动轨迹的支持度;
步骤2.2:设定节点移动轨迹支持度阈值,将整合后的节点移动轨迹中支持度不小于支持度阈值的单位移动轨迹作为频繁单位移动轨迹;
步骤2.3:将经过相邻等分区域的两条频繁单位移动轨迹进行连接,生成长度为2的移动轨迹,若该长度为2的移动轨迹的支持度不小于支持度阈值,则为长度为2的频繁移动轨迹;
步骤2.4:将可连接的两条长度为i的频繁移动轨迹进行连接,生成长度为i+1的移动轨迹,若该长度为i+1的移动轨迹的支持度不小于支持度阈值,则为长度为i+1的频繁移动轨迹,其中,i≥2;
步骤2.5:判断空间信息网络区域内是否具有可连接的频繁移动轨迹,若是,返回步骤2.4,否则,执行步骤2.6;
步骤2.6:得到长度为k的频繁移动轨迹,确定空间信息网络的所有频繁移动轨迹;
步骤3:根据空间信息网络的频繁移动轨迹,生成空间信息网络所有节点的移动规则,建立其时空图模型;
步骤3.1:将长度为k的频繁移动轨迹随机分成两个分段,将长度为k的频繁移动轨迹进行k-1次分段,得到k-1个轨迹对;
步骤3.2:计算频繁移动轨迹的两个分段之间的置信度;
步骤3.3:设定置信度阈值,将置信度不小于置信度阈值且置信度最大的频繁移动轨迹的两个分段,作为节点的移动规则;
步骤3.4:重复步骤3.1-步骤3.3,确定空间信息网络所有节点的移动规则,建立空间信息网络的时空图模型;
步骤4:根据空间信息网络的时空图模型,计算空间信息网络的时空图模型中源节点到目的节点的备选分组转发路径的开销和可靠度,从而确定空间信息网络的所有分组转发路径;
步骤4.1:获取空间信息网络的时空图模型的源节点到目的节点的每条备选分组转发路径的各个链路的开销和可靠度;
步骤4.2:计算空间信息网络的时空图模型的源节点和目的节点的每条备选分组转发路径的开销和可靠度:将空间信息网络的时空图模型的源节点到目的节点的备选分组转发路径的所有链路的开销的和作为该备选分组转发路径的开销,将空间信息网络的时空图模型的源节点到目的节点的备选分组转发路径的所有链路的可靠度的乘积作为该备选分组转发路径的可靠度;
步骤4.3:设定可靠度阈值,将可靠度大于可靠度阈值的备选分组转发路径中开销最小的路径作为该源节点到目的节点的分组转发路径;
步骤4.4:更新空间信息网络的各个链路的开销:将已选定为分组转发路径的链路的开销更新为0;
步骤4.5:重复步骤4.1-步骤4.4,得到空间信息网络的所有分组转发路径。
所述的可连接的两条长度为i的频繁移动轨迹为长度为i的频繁移动轨迹和频繁移动轨迹若频繁移动轨迹的后i-1个单位长度与频繁移动轨迹的前i-1个单位长度是相同的,则频繁移动轨迹和频繁移动轨迹为可连接的两条长度为i的频繁移动轨迹。
本发明的有益效果是:
本发明提出的一种基于空间信息数据挖掘的路由路径计算方法,本发明首先进行空间信息网络节点移动轨迹预处理,扫描整合后的节点移动轨迹,确定所有已找到的频繁移动轨迹,生成移动规则,基于数据挖掘的路由路径计算方法包括:根据移动规则,建立时空图模型,在时空图模型上计算一条分组转发路径,由此,提高了路径的可靠度,缩减了链路开销。
附图说明
图1为本发明具体实施方式中基于空间信息数据挖掘的路由路径计算方法的流程图;
图2为本发明具体实施方式中对空间信息网络节点轨迹进行预处理的示意图;
图3为本发明具体实施方式中的确定空间信息网络的所有频繁移动轨迹的流程图;
图4为本发明具体实施方式中的根据空间信息网络的频繁移动轨迹建立其时空图模型的流程图;
图5为本发明具体实施方式中的空间信息网络的时空图模型;
图6本发明具体实施方式中的根据空间信息网络的时空图模型确定空间信息网络的所有分组转发路径的流程图;
图7为本发明具体实施方式中的确定空间信息网络的分组转发路径的示意图;
其中,(a)为确定源节点到目的节点的分组转发路径示意图;
(b)为确定源节点到目的节点的分组转发路径示意图;
图8为本发明方法和传统方法在不同网络拓扑密度和不同可靠度阈值下的链路开销、链路数和可靠度;
其中,(a)为本发明方法和传统方法在不同网络拓扑密度下的链路开销;
(b)为本发明方法和传统方法在不同网络拓扑密度下的链路数;
(c)为本发明方法和传统方法在不同网络拓扑密度下的可靠度;
(d)为本发明方法和传统方法在不同可靠度阈值下的链路开销;
(e)为本发明方法和传统方法在不同可靠度阈值下的链路数;
(f)为本发明方法和传统方法在不同可靠度阈值下的可靠度。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
一种基于空间信息数据挖掘的路由路径计算方法,如图1所述,包括以下步骤。
步骤1:对空间信息网络节点轨迹进行预处理:等分空间信息网络区域,将经过相同区域的所述空间信息网络节点的移动轨迹整合为一条节点移动轨迹。
本实施方式中,空间信息网络节点移动轨迹tj包括n个时段内节点所处的网络坐标位置。其中,所述n为大于等于1的自然数,即其中,为空间信息网络节点移动轨迹tj在第u个时段所处的网络坐标位置,u=1,2,...,n。
对空间信息网络节点轨迹进行预处理的示意图如图2所示,本实施方式中,将空间信息网络区域等分为四个区域s1、s2、s3和s4,将经过相同区域的所述空间信息网络节点的移动轨迹和整合成一条移动轨迹
步骤2:根据整合后的节点移动轨迹的支持度,确定空间信息网络的所有频繁移动轨迹,如图3所示。
步骤2.1:计算整合后的节点移动轨迹的支持度。
本实施方式中,整合后的节点移动轨迹tj的支持度的计算公式如式(1)所示:
其中,sup(tj)为整合后的节点移动轨迹tj的支持度,times为整合后的节点移动轨迹tj的第一条移动轨迹生成的时间,timee为整合后的节点移动轨迹tj的最后一条移动轨迹生成的时间,timem=times+(timee-times)/2,t为包含整合后的节点移动轨迹tj的历史移动轨迹,Tα为历史移动轨迹t的生成时间,Tβ为历史移动轨迹t的结束时间,|D|为整合后的空间信息网的轨迹总数。
步骤2.2:设定节点移动轨迹支持度阈值,将整合后的节点移动轨迹中支持度不小于支持度阈值的单位移动轨迹作为频繁单位移动轨迹。
本实施方式中,设定的节点移动轨迹支持度阈值为
步骤2.3:将经过相邻等分区域的两条频繁单位移动轨迹进行连接,生成长度为2的移动轨迹,若该长度为2的移动轨迹的支持度不小于支持度阈值,则为长度为2的频繁移动轨迹。
本实施方式中,两条频繁单位移动轨迹和经过相邻等分区域,则将其进行连接,得到长度为2的移动轨迹若该长度为2的移动轨迹的支持度不小于支持度阈值,则为长度为2的频繁移动轨迹
步骤2.4:将可连接的两条长度为i的频繁移动轨迹进行连接,生成长度为i+1的移动轨迹,若该长度为i+1的移动轨迹的支持度不小于支持度阈值,则为长度为i+1的频繁移动轨迹,其中,i≥2。
本实施方式中,可连接的两条长度为i的频繁移动轨迹为:长度为i的频繁移动轨迹和频繁移动轨迹若频繁移动轨迹的后i-1个单位长度与频繁移动轨迹的前i-1个单位长度是相同的,即则频繁移动轨迹和频繁移动轨迹为可连接的两条长度为i的频繁移动轨迹。
将可连接的两条长度为i的频繁移动轨迹和进行连接,生成长度为i+1的移动轨迹若该长度为i+1的移动轨迹的支持度不小于支持度阈值,则为长度为i+1的频繁移动轨迹其中,i≥2。
步骤2.5:判断空间信息网络区域内是否具有可连接的频繁移动轨迹,若是,返回步骤2.4,否则,执行步骤2.6;
步骤2.6:得到长度为k的频繁移动轨迹,确定空间信息网络的所有频繁移动轨迹。
步骤3:根据空间信息网络的频繁移动轨迹,生成空间信息网络所有节点的移动规则,建立其时空图模型,如图4所示。
步骤3.1:将长度为k的频繁移动轨迹随机分成两个分段,将长度为k的频繁移动轨迹进行k-1次分段,得到k-1个轨迹对其中,n=1...,k-1。
步骤3.2:计算频繁移动轨迹的两个分段之间的置信度。
本实施方式中,频繁移动轨迹的两个分段之间的置信度为该两个分段的支持度的比值,如式(2)所示:
其中,为两个分段之间的置信度,为轨迹的支持度,为轨迹的支持度。
步骤3.3:设定置信度阈值,将置信度不小于置信度阈值且置信度最大的频繁移动轨迹的两个分段,作为节点的移动规则。
本实施方式中,设定的置信度阈值为0.6。
步骤3.4:重复步骤3.1-步骤3.3,确定空间信息网络所有节点的移动规则,建立空间信息网络的时空图模型。
本实施方式中,建立空间信息网络的时空图模型如图5所示,图中,横坐标表示时间,纵坐标表示节点,的上标为时间,下标为节点标号,表示第一个节点在第0时间点。
步骤4:根据空间信息网络的时空图模型,计算空间信息网络的时空图模型中源节点到目的节点的备选分组转发路径的开销和可靠度,从而确定空间信息网络的所有分组转发路径,如图6所示。
步骤4.1:获取空间信息网络的时空图模型的源节点到目的节点的每条备选分组转发路径的各个链路的开销和可靠度。
步骤4.2:计算空间信息网络的时空图模型的源节点和目的节点的每条备选分组转发路径的开销和可靠度:将空间信息网络的时空图模型的源节点到目的节点的备选分组转发路径的所有链路的开销的和作为该备选分组转发路径的开销,将空间信息网络的时空图模型的源节点到目的节点的备选分组转发路径的所有链路的可靠度的乘积作为该备选分组转发路径的可靠度。
步骤4.3:设定可靠度阈值,将可靠度大于可靠度阈值的备选分组转发路径中开销最小的路径作为该源节点到目的节点的分组转发路径。
本实施方式中,设定的可靠度阈值为0.6。
步骤4.4:更新空间信息网络的各个链路的开销:将已选定为分组转发路径的链路的开销更新为0。
步骤4.5:重复步骤4.1-步骤4.4,得到空间信息网络的所有分组转发路径。
根据空间信息网络的时空图模型,确定空间信息网络的分组转发路径的示意图如图7所示,其中,(a)为确定源节点到目的节点的分组转发路径示意图,其中,(b)为确定源节点到目的节点的分组转发路径示意图。
图(a)中源节点到目的节点的备选分组转发路径共有三条,其中,链路的开销为1、可靠度为0.6,链路的开销为1、可靠度为0.6,则该条备选分组转发路径的开销为2、可靠度为0.36,因此,依次算出:备选分组转发路径的开销为6、可靠度为0.81,备选分组转发路径的开销为4、可靠度为0.64,因可靠度阈值为0.6,因此,最终得到的源节点到目的节点的分组转发路径为
图(b)中源节点到目的节点的备选分组转发路径共有两条,其中,链路因其为已选定过的链路,因此其开销更新为0、可靠度为0.8,链路的开销为1、可靠度为0.8,则该条备选分组转发路径的开销为1、可靠度为0.64,备选分组转发路径的开销为2、可靠度为0.64,因此,最终得到的源节点到目的节点的分组转发路径为
传统计算路由路径的方法选用ULCP方法,即最小开销路径方法,本发明方法和传统方法在不同网络拓扑密度和不同可靠度阈值下的链路开销、链路数和可靠度如图8所示。
图8(a)为本发明方法和传统方法在不同网络拓扑密度下的链路开销,由图8(a)可知,本发明方法和传统方法所得到的网络拓扑的链路开销都会随着网络拓扑密度的增加而降低,这代表网络拓扑密度越大,两种方法越能够起到简化网络拓扑的作用。传统方法的链路开销最小,因为它只考虑链路开销,将链路开销最小的路径选出来,而不考虑可靠度。
图8(b)为本发明方法和传统方法在不同网络拓扑密度下的链路数,由图8(b)可知,本发明方法和传统方法所得到的网络拓扑拓扑的链路数都会随着网络拓扑密度的增加而降低,这代表网络拓扑密度越大,两种方法越能够简化拓扑的链路数。由图8(b)还可以观察到,在两种方法中,本发明方法和传统方法链路数接近,因为传统方法只考虑链路开销,将链路开销最小的路径选出来,而不考虑可靠度,那么相应链路数也会比较少,而本发明方法将重复运用过的路径的链路开销设置为零,这样在下一轮选路中,会优先考虑已经建立过的路径,而不会去另建路径,自然链路数比较少。
图8(c)为本发明方法和传统方法在不同网络拓扑密度下的可靠度,由图8(c)可知,本发明方法可靠度都在规定的可靠度阈值以上,这是因为传统方法只考虑链路开销,将链路开销最小的路径选出来,而不考虑可靠度,那么其可靠度就不能得到保障。而本发明方法能够在保证链路可靠度的同时,最小化链路开销。以上仿真结果表明,所有方法都能够在维持连通性的同时显著的减小链路开销。即使在最小密度时,所有方法能够节约70%的链路开销和65%的链路。当网络密集时,本发明方法的拓扑节约更多的链路和链路开销。对比两个方法可以发现,传统方法用于最小的链路开销,这是因为它考虑了在保持链路联通的情况下链路开销最小,并没有考虑链路的可靠度。传统方法不能保证可靠度阈值0.6。这个方法只能够维持拓扑的连通性。本发明方法满足了要求的可靠度,并且在可靠度方面有着非常相似的表现。当拓扑稀疏时(如δ=0.2),它们的可靠度刚刚超过0.6%。在此时,本文的算法在节约了70%的链路的同时,仍能够保持阈值以上的可靠度,这清晰地表明了本发明方法是有效的。
图8(d)为本发明方法和传统方法在不同可靠度阈值下的链路开销,由图8(d)可知,本发明方法和传统方法所得到的网络拓扑的链路开销值都会随着可靠度阈值的增加而增加,这代表可靠度阈值越大,两种方法的链路消耗越多。这是因为本发明方法对可靠度要求越严格,那么链路开销等其他方面就要让步。由图还可以观察到,传统方法的链路开销最小,因为它只考虑链路开销,将链路开销最小的路径选出来,而不考虑可靠度。
图8(e)为本发明方法和传统方法在不同可靠度阈值下的链路数,由图8(e)可知,本发明方法和传统方法所得到的拓扑的链路数都会随着可靠度阈值的增加而降低,这代表拓扑可靠度阈值越大,两种方法的链路数越多。这是因为本发明方法对可靠度要求越严格,那么链路数等其他方面就要让步。
图8(f)为本发明方法和传统方法在不同可靠度阈值下的可靠度,由图8(f)可知,本发明方法和传统方法都在规定的可靠度阈值以上,这是因为传统方法只考虑链路开销,将链路开销最小的路径选出来,而不考虑可靠度,那么其可靠度就不能得到保障。而本发明方法则能够在保证链路可靠度的同时,最小化链路开销。随着可靠度阈值的增加,两种方法的可靠度也在增加,向原拓扑接近。
Claims (5)
1.一种基于空间信息数据挖掘的路由路径计算方法,其特征在于,包括以下步骤:
步骤1:对空间信息网络节点移动轨迹进行预处理:等分空间信息网络区域,将经过相同区域的所述空间信息网络节点的移动轨迹整合为一条节点移动轨迹;
步骤2:根据整合后的节点移动轨迹的支持度,确定空间信息网络的所有频繁移动轨迹;
步骤3:根据空间信息网络的频繁移动轨迹,生成空间信息网络所有节点的移动规则,建立其时空图模型;
步骤4:根据空间信息网络的时空图模型,获取空间信息网络的时空图模型中源节点到目的节点的备选分组转发路径的开销和可靠度,从而确定空间信息网络的所有分组转发路径。
2.根据权利要求1所述的基于空间信息数据挖掘的路由路径计算方法,其特征在于,所述步骤2包括以下步骤:
步骤2.1:计算整合后的节点移动轨迹的支持度;
步骤2.2:设定节点移动轨迹支持度阈值,将整合后的节点移动轨迹中支持度不小于支持度阈值的单位移动轨迹作为频繁单位移动轨迹;
步骤2.3:将经过相邻等分区域的两条频繁单位移动轨迹进行连接,生成长度为2的移动轨迹,若该长度为2的移动轨迹的支持度不小于支持度阈值,则为长度为2的频繁移动轨迹;
步骤2.4:将可连接的两条长度为i的频繁移动轨迹进行连接,生成长度为i+1的移动轨迹,若该长度为i+1的移动轨迹的支持度不小于支持度阈值,则为长度为i+1的频繁移动轨迹,其中,i≥2;
步骤2.5:判断空间信息网络区域内是否具有可连接的频繁移动轨迹,若是,返回步骤2.4,否则,执行步骤2.6;
步骤2.6:得到长度为k的频繁移动轨迹,确定空间信息网络的所有频繁移动轨迹。
3.根据权利要求1所述的基于空间信息数据挖掘的路由路径计算方法,其特征在于,所述步骤3包括以下步骤:
步骤3.1:将长度为k的频繁移动轨迹随机分成两个分段,将长度为k的频繁移动轨迹进行k-1次分段,得到k-1个轨迹对;
步骤3.2:计算频繁移动轨迹的两个分段之间的置信度;
步骤3.3:设定置信度阈值,将置信度不小于置信度阈值且置信度最大的频繁移动轨迹的两个分段,作为节点的移动规则;
步骤3.4:重复步骤3.1-步骤3.3,确定空间信息网络所有节点的移动规则,建立空间信息网络的时空图模型。
4.根据权利要求1所述的基于空间信息数据挖掘的路由路径计算方法,其特征在于,所述步骤4包括以下步骤:
步骤4.1:获取空间信息网络的时空图模型的源节点到目的节点的每条备选分组转发路径的各个链路的开销和可靠度;
步骤4.2:获取空间信息网络的时空图模型的源节点和目的节点的每条备选分组转发路径的开销和可靠度:将空间信息网络的时空图模型的源节点到目的节点的备选分组转发路径的所有链路的开销的和作为该备选分组转发路径的开销,将空间信息网络的时空图模型的源节点到目的节点的备选分组转发路径的所有链路的可靠度的乘积作为该备选分组转发路径的可靠度;
步骤4.3:设定可靠度阈值,将可靠度大于可靠度阈值的备选分组转发路径中开销最小的路径作为该源节点到目的节点的分组转发路径;
步骤4.4:更新空间信息网络的各个链路的开销:将已选定为分组转发路径的链路的开销更新为0;
步骤4.5:重复步骤4.1-步骤4.4,得到空间信息网络的所有分组转发路径。
5.根据权利要求2所述的基于空间信息数据挖掘的路由路径计算方法,其特征在于,所述的可连接的两条长度为i的频繁移动轨迹为:长度为i的频繁移动轨迹和频繁移动轨迹若频繁移动轨迹的后i-1个单位长度与频繁移动轨迹的前i-1个单位长度是相同的,则频繁移动轨迹和频繁移动轨迹为可连接的两条长度为i的频繁移动轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510736878.6A CN105430613A (zh) | 2015-11-03 | 2015-11-03 | 一种基于空间信息数据挖掘的路由路径计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510736878.6A CN105430613A (zh) | 2015-11-03 | 2015-11-03 | 一种基于空间信息数据挖掘的路由路径计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105430613A true CN105430613A (zh) | 2016-03-23 |
Family
ID=55508484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510736878.6A Pending CN105430613A (zh) | 2015-11-03 | 2015-11-03 | 一种基于空间信息数据挖掘的路由路径计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105430613A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109150728A (zh) * | 2017-06-27 | 2019-01-04 | 航天恒星科技有限公司 | 基于赋权时空图的空天信息网络路由方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012097748A1 (zh) * | 2011-01-19 | 2012-07-26 | 华为技术有限公司 | 一种处理方法、通信方法及装置 |
CN104331466A (zh) * | 2014-10-31 | 2015-02-04 | 南京邮电大学 | 基于时空邻近搜索的移动轨迹序列模式快速挖掘方法 |
CN104865844A (zh) * | 2015-03-26 | 2015-08-26 | 中国电子科技集团公司第五十四研究所 | 一种基于分布式平台的空间信息网络综合评估演示方法 |
-
2015
- 2015-11-03 CN CN201510736878.6A patent/CN105430613A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012097748A1 (zh) * | 2011-01-19 | 2012-07-26 | 华为技术有限公司 | 一种处理方法、通信方法及装置 |
CN104331466A (zh) * | 2014-10-31 | 2015-02-04 | 南京邮电大学 | 基于时空邻近搜索的移动轨迹序列模式快速挖掘方法 |
CN104865844A (zh) * | 2015-03-26 | 2015-08-26 | 中国电子科技集团公司第五十四研究所 | 一种基于分布式平台的空间信息网络综合评估演示方法 |
Non-Patent Citations (1)
Title |
---|
WEIGANG HOU等: "Novel Routing Algorithms in Space Information Networks Based on Timeliness-aware Data Mining and Time-space Graph", 《2015 INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATION & SIGNAL PROCESSING (WCSP)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109150728A (zh) * | 2017-06-27 | 2019-01-04 | 航天恒星科技有限公司 | 基于赋权时空图的空天信息网络路由方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110601748B (zh) | 一种多状态空间信息网络拓扑生成优化算法 | |
CN101251593B (zh) | 一种无线传感器网络的目标跟踪方法 | |
CN109902203A (zh) | 基于边的随机游走的网络表示学习方法和装置 | |
CN104361036B (zh) | 告警事件关联规则挖掘方法 | |
CN110336751B (zh) | 基于隶属函数的低轨卫星网络路由策略 | |
CN109803291B (zh) | 基于水声传感器网络的健壮拓扑生成方法 | |
CN106875281B (zh) | 基于贪心子图的社会网络节点挖掘激活方法 | |
CN104715282A (zh) | 一种基于改进pso-bp神经网络的数据预测方法 | |
CN107277889A (zh) | 一种基于k‑means的无线传感器网络分簇方法 | |
CN105208616A (zh) | 车载自组织网络中基于道路拓扑的自适应多副本路由方法 | |
CN101900565A (zh) | 路径确定方法和装置 | |
CN106022471A (zh) | 基于粒子群优化算法的小波神经网络模型船舶横摇实时预测方法 | |
CN105574541A (zh) | 一种基于紧密度排序的网络社区发现方法 | |
CN113329490B (zh) | 一种基于量子虎鲨机制的无线传感器网络节点定位方法 | |
Pan et al. | Diversity Enhanced Ion Motion Optimization for Localization in Wireless Sensor Network. | |
CN106780058A (zh) | 动态网络的社团划分方法及装置 | |
Qi et al. | Monte Carlo Tree Search-based intersection signal optimization model with channelized section spillover | |
CN113409576B (zh) | 一种基于贝叶斯网络的交通路网动态预测方法及系统 | |
CN104700311A (zh) | 一种社会网络中的邻域跟随社区发现方法 | |
CN102521655A (zh) | 基于非支配邻域免疫算法的动态网络社区检测方法 | |
Ghazy et al. | Threshold based AntNet algorithm for dynamic traffic routing of road networks | |
Wei et al. | Study of self-organizing control of traffic signals in an urban network based on cellular automata | |
CN105430613A (zh) | 一种基于空间信息数据挖掘的路由路径计算方法 | |
CN112073983B (zh) | 基于流量预测的无线数据中心网络拓扑优化方法及系统 | |
CN105187310B (zh) | 一种路径优化方法与系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160323 |
|
WD01 | Invention patent application deemed withdrawn after publication |