CN113240020B - 一种基于超图分割的5g无线通信网络切片分类方法 - Google Patents
一种基于超图分割的5g无线通信网络切片分类方法 Download PDFInfo
- Publication number
- CN113240020B CN113240020B CN202110545664.6A CN202110545664A CN113240020B CN 113240020 B CN113240020 B CN 113240020B CN 202110545664 A CN202110545664 A CN 202110545664A CN 113240020 B CN113240020 B CN 113240020B
- Authority
- CN
- China
- Prior art keywords
- hypergraph
- node
- network
- nodes
- sub
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000011218 segmentation Effects 0.000 title claims abstract description 31
- 238000004891 communication Methods 0.000 title claims abstract description 16
- 230000008569 process Effects 0.000 claims description 12
- 230000000295 complement effect Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于超图分割的5G无线通信网络切片分类方法，本方法将网络应用映射成为超图中的节点，并根据网络应用的相关性为超图建立超边。超图切割包括种子节点选取、分割超图、调整切割点等步骤，最终可以在不预设分类数目的情况下将超图分割为若干子超图。每一个子超图中包含的节点所对应的网络应用将被归为同一类，将其作为一个网络切片的类别。在网络应用请求服务时，将使用对应类别的网络切片提供服务。本发明能够细化网络切片的分类，增强网络切片对具有不同性能需求的应用提供差异化服务的能力、提高网络资源利用效率。
Description
技术领域
本发明涉及无线通信领域，具体涉及一种基于超图分割的5G无线通信网络切片分类方法。
背景技术
5G系统的主要推动力之一是需要支持来自各种垂直行业的全新应用，这些应用对无线通信网络具有更多样化、更高标准的需求。现有的4G通信技术使用同一张网络来支撑不同业务的需求，即所谓的“one-size-fits-all”的架构，然而这样的做法已经无法满足上述新兴业务的多样化、高标准的性能需求，也难以保障其安全性和隐私性。此外，针对部分特殊应用，目前的做法是单独建立专用网络，但是在5G时代涌现的大量新兴业务面前，建立专用物理网络的做法将会花费高昂的成本，运营和升级也极为不便。
为了使用有限的网络资源提供定制的可靠服务，同时减少5G网络的建设成本和运营费用，通信行业提出了网络切片技术。网络切片是将同一个物理网络根据不同的服务需求，如时延、带宽、安全性和可靠性等划分成的被称为网络切片的多个虚拟网络，每个网络切片在逻辑上都是相互隔离的，都拥有自己独立的网络资源和管控能力，以灵活地应对不同的网络应用场景，为差异化的业务提供定制化服务。
网络切片在运行时，会根据业务和用户的动态需求进行定制化裁剪、灵活编排网元，按需调整资源分配方式，从而提升网络灵活性。不同切片间的隔离和区分，能够在保证当前业务质量的前提下，增强整体网络的安全性和稳定性。
在统一的5G网络架构下按需构造网络切片具有以下优点。第一，最优化。网络切片能根据业务需求对所需网络功能进行定制化裁剪和灵活组网，优化业务流程和数据路由，使得网络资源的利用达到最优化。第二，动态性。网络切片能够满足用户的动态需求，例如面对用户临时提出的某种业务需求，网络具有动态分配资源的能力，从而提高网络资源利用率。第三，安全性。网络切片可以将当前某个业务应用的网络资源与其它业务应用的网络资源隔离开，每个分片的拥塞、过载不影响其他分片，增强整体网络的鲁棒性和可靠性。
由于不同的应用所要求的网络服务特征迥异，因此有必要对网络切片进行分类，每一类切片向对应的应用提供网络服务。根据国际标准化组织3GPP的定义，5G网络包含了增强移动宽带(eMBB)、超高可靠低时延(URLLC)和大规模物联网(mMTC)等三大应用场景，目前针对网络切片的研究大多是基于这三种类型展开的，然而在上述分类中，即使是同类的网络切片，仍然会遇到性能需求差异较大的服务。为了提高网络切片对具有差异化需求的应用提供服务的能力，需要一种更加细化的网络切片分类方法。
发明内容
本发明的目的在于改进目前存在的网络切片的分类方式，提供一种基于超图分割的5G无线通信网络切片分类方法。该方法根据网络应用的性能需求，如可靠性、时延、带宽等，将不同的应用映射为多维超图中的节点，并根据应用间的相关性创建超边，然后使用超图分割算法对超图进行划分，获得一系列子超图，即一系列网络应用的划分，从而细化网络切片的分类。
为实现上述发明目的，本发明提供以下技术方案：
首先，定义一张超图：
其中G是超图；V是节点集合，在本发明中表示不同的网络应用；E为超边集合，每一条超边连接超图中的至少两个节点；W(v)为节点的权重集合；W(e)为超边的权重集合；n为节点数目；m为超边数目。
对于目前已有的网络应用，根据其对可靠性、时延、抖动、数据速率等性能的需求映射为超图中的节点，其中节点坐标即为应用对网络性能的需求。
超图中的每条超边可以连接多个节点，每条超边实际上是超图的节点集合V的非空子集。考虑到需要为来自众多垂直行业的应用进行划分，本发明将来自于同一垂直行业的网络应用放入同一条超边内。此外，以每个节点为中心，处于该节点距离阈值之内的所有节点与中心节点形成一个点集，组成一条超边。
具体地，对于具有n个网络性能需求的两个不同的网络应用xi和xj，使用闵可夫斯基距离作为度量：
其中p为距离调节因子。
当网络性能需求中具有无序属性时，将其转换为热键向量进行处理。
然后，为所有节点和超边定义权重：
其中所有节点权重默认为1。
对于节点集合V的子集C，定义
为C的内部边集合，即
代表所有顶点都包含在C中的超边的集合。
对于C和C的补集SC，定义边界边集合
边界边中包含的节点定义为切割点。
定义集合C的模块度函数为：
Q(C)＝H(C)-P(C) (5)
其中H(C)表示内聚度，P(C)表示耦合度，其定义如下：
其中|C|表示集合C中的节点数目；ε(e)为修正因子。
具体地，超图分割的过程为：
(1)选择种子节点。在一个待分割的超图中，以随机顺序访问所有未被匹配的节点。对于一个访问到的节点v，考虑v所在的所有超边中包含的所有未匹配的节点，将节点v和与v具有最大关联度的节点u匹配，其中关联度指的是所有同时包含节点v和u的超边的权重和。当所有节点均被匹配后，将每对节点凝聚成一个新的节点，并把该新节点放在原来节点对中v的位置，从而完成一轮粗化。经过多轮粗化直到只剩下一个节点后，将该节点作为种子节点。然后进行细化操作，将节点还原为粗化前的两个节点，若一个节点是种子节点，则在还原后的两个节点中随机选择一个作为种子节点。经过多轮细化可还原出选择了一个种子节点的原始超图。
(2)分割超图。对种子节点所在的所有超边按边权重降序实行广度优先搜索，将访问到的超边及其包含的节点归入新的子超图，直到原始超图可以产生两个平衡的子超图，平衡指其中一个子超图的节点数目|A|满足下式：
αN-|e|max≤|A|≤αN+|e|max (9)
其中α为平衡因子，N为两个子超图的总节点数，|e|max表示两个超图中拥有最多节点数目的超边所包含的节点数。
(3)计算模块度函数并调整切割点。根据公式(4)～(8)计算两个子超图的模块度函数，并进一步计算每一个未被锁定的切割点的移动增益，移动增益表示将该节点从当前所在子超图移动到另一个子超图后对模块度函数带来的变化值。每次将移动增益最大的节点移动到另一个子超图中，并将该节点锁定。
(4)重复执行步骤(3)，直到所有切割点被锁定。找到模块度函数最大时所对应的切割状况，若该最大值大于预先设定的阈值，则按照此时的切割方式将原超图切割为两个新的子超图，否则取消对该超图的切割，并将该超图标记为不可分割。
(5)对所有子超图执行步骤(1)～(4)，当所有子超图都被标记为不可分割时，终止整个迭代分割过程，分割结束。
当超图分割过程终止后，将获得一系列子超图，每个子超图代表一类网络应用，对应一种网络切片。对每一类别网络切片中所有应用对应的节点的坐标取平均值，将其作为该类别的坐标，用于在建立服务阶段为新增加的网络应用提供分类依据。
在建立服务阶段，当有新的网络应用请求网络服务时，首先查询该应用在超图中是否有对应节点，若是，则使用该节点对应分类的网络切片为其提供网络服务；若否，则根据该应用的网络性能需求计算它到每一类网络切片对应坐标的距离，并将其归入距离最小的一个类别中，然后使用该类别的网络切片对其提供服务。
本发明的有益效果是：本发明能够细化网络切片的分类，并且不需要预设分类数目，能够做到自动停止分割，本发明能够增强网络切片对具有不同性能需求的应用提供差异化服务的能力、提高网络资源利用效率。
附图说明
为了更清楚地说明本发明或实施例中的技术方案，下面将对发明内容或实施例描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动前提下，还可以根据这些附图获得其他附图。
图1是本发明实施例提供的超图示意图；
图2是本发明实施例提供的超图分割部分的流程图；
图3是本发明实施例提供的超图切割选种步骤中对超图进行粗化和细化的示意图。
具体实施方式
下面将结合附图以及实施例，对本发明的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种基于超图分割的5G无线通信网络切片分类方法，该方法包括以下步骤
首先创建一张超图：
其中G是超图；V是节点集合，在本发明中表示不同的网络应用；E为超边集合，每一条超边连接超图中的至少两个节点；W(v)为节点的权重集合；W(e)为超边的权重集合；n为节点数目；m为超边数目。
根据不同的网络应用对可靠性、时延、抖动、数据速率等网络性能的需求映射为超图中的节点，其中节点坐标即为应用对网络性能的需求，对于性能需求中的无序属性，将其转化为热键向量进行处理。将来自于同一垂直行业的网络应用放入同一条超边内。此外，以每个节点为中心，处于该节点距离阈值之内的所有节点与中心节点形成一个点集，组成一条超边。
具体地，对于具有n个网络性能需求的两个不同的网络应用xi和xj，使用闵可夫斯基距离作为度量：
需要注意的是，n个属性中既包含了可靠性、时延、数据速率等有序属性，也包含了向量化后的无序属性；p是距离调节因子，通常取2，此外，取1时为曼哈顿距离，当p趋近无穷大时，得到切比雪夫距离。
图1是一个超图的示意图。其中黑色的点表示超图的节点，由虚线围住的点集构成一条超边，每个点可以同时属于多个超边。需要注意的是，图示为一个二维超图，而本发明所考虑的是多维超图。
图2展示了对超图进行分割的流程。具体地，基于超图分割的网络切片分类方法包括：
S101，选择种子节点。在一个待分割的超图中，以随机顺序访问所有未被匹配的节点。对于一个访问到的节点v，考虑v所在的所有超边中包含的所有未匹配的节点，将节点v和与v具有最大关联度的节点u匹配，其中关联度指的是所有同时包含节点v和u的超边的权重和。当所有节点均被匹配后，将每对节点凝聚成一个新的节点，并把该新节点放在原来节点对中v的位置，从而完成一轮粗化。经过多轮粗化直到只剩下一个节点后，将该节点作为种子节点。然后进行细化操作，将节点还原为粗化前的两个节点，若一个节点是种子节点，则在还原后的两个节点中随机选择一个作为种子节点。经过多轮细化可还原出选择了一个种子节点的原始超图。使用这种选种策略避免了大超边上的顶点总是被选为种子节点的情况，从而使得种子节点能够均匀分布。
图3给出了粗化和细化的实施例。从左至右为粗化过程，被深色背景包含的节点对经过粗化后变成了新的节点；从右至左为细化过程，一个节点经过细化被还原成了两个节点。
S102，分割超图。对种子节点所在的所有超边按边权重降序实行广度优先搜索，将访问到的超边及其包含的节点归入新的子超图，直到原始超图可以产生两个平衡的子超图，平衡指其中一个子超图的节点数目|A|满足下式：
αN-|e|max≤|A|≤αN+|e|max (3)
其中α为平衡因子，通常取0.5；N为两个子超图的总节点数，|e|max表示两个超图中拥有最多节点数目的超边所包含的节点数。
S103，调整切割点。计算两个子超图的模块度函数Q(C)：
Q(C)＝H(C)-P(C) (4)
其中C是超图节点集合V的子集；H(C)表示C的内聚度；P(C)为耦合度，表示C与其补集的关联程度；|C|表示集合C中的节点数目；ε(e)为修正因子；
为C的内部边集合，即
代表所有节点都包含在C中的超边的集合；对于C和C的补集SC，
表示边界边集合：
边界边所包含的所有节点定义为切割点。
进一步计算每一个未被锁定的切割点的移动增益。锁定表示节点之前已经被移动过，在之后的调整中不再更新其移动增益，也不再移动该节点；移动增益表示将该节点从当前所在子超图移动到另一个子超图后对模块度函数带来的变化值。每次将移动增益最大的节点移动到另一个子超图中，将该节点锁定，并记录目前切割方式下的模块度函数。
S104，重复执行S103，直到所有切割点被锁定。找到模块度函数最大时所对应的切割状况，若该最大值大于预先设定的阈值，则按照此时的切割方式将原超图切割为两个新的子超图，否则取消对该超图的切割，并将该超图标记为不可分割。
S105，对所有子超图执行S101～S104，当所有子超图都被标记为不可分割时，终止整个迭代分割过程，分割自动结束。
当超图分割过程终止后，将获得一系列子超图，每个子超图代表一类网络应用，对应一种网络切片。对每一类别网络切片中所有应用对应的节点的坐标取平均值，将其作为该类别的坐标，用于在建立服务阶段为新增加的网络应用提供分类依据。
在建立服务阶段，当有新的网络应用请求网络服务时，首先查询该应用在超图中是否有对应节点，若是，则使用该节点对应分类的网络切片为其提供网络服务；若否，则根据该应用的网络性能需求计算它到每一类网络切片对应坐标的距离，并将其归入距离最小的一个类别中，然后使用该类别的网络切片对其提供服务。
本发明能够细化网络切片的分类，并且不需要预设分类数目，能够做到自动停止分割，本发明能够增强网络切片对具有不同性能需求的应用提供差异化服务的能力、提高网络资源利用效率。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于超图分割的5G无线通信网络切片分类方法，其特征在于，包括以下步骤：
创建超图：将网络应用作为超图的节点；针对每个节点，处于该节点距离阈值之内的所有节点与该节点组成一条超边；为每个节点和超边定义权重；所述超图节点的坐标为节点对应的网络应用对网络性能的需求；
分割超图：根据超图的网络社区结构强度进行超图分割，将原始超图划分为多个无公共节点的子超图；分割超图过程中，使用超图的模块度函数表征网络社区结构强度，使用贪心算法进行超图的迭代分割；
网络切片分类：将每个子超图中的节点所代表的网络应用归为同一个类别，将其作为一个网络切片的类别；网络切片分类结束后，对每一类别网络切片中所有应用对应的节点的坐标取平均值，将其作为该类别的坐标，用于在建立服务阶段为新增加的网络应用提供分类依据；
建立服务：使用不同种类的网络切片为相应类别的网络应用提供服务；当有新的网络应用请求网络服务时，首先查询该应用在超图中是否有对应节点，若是，则使用该节点对应分类的网络切片为其提供网络服务；若否，则根据该应用的网络性能需求计算它到每一类网络切片对应坐标的距离，并将其归入距离最小的一个类别中，然后使用该类别的网络切片对其提供服务。
2.如权利要求1所述的基于超图分割的5G无线通信网络切片分类方法，其特征在于，所述网络性能包括可靠性、时延、抖动、数据速率。
3.如权利要求1所述的基于超图分割的5G无线通信网络切片分类方法，其特征在于，所述超边建立时的距离为闵可夫斯基距离：
其中xi和xj为具有n个网络性能需求的两个网络应用，p为距离调节因子。
4.如权利要求1所述的基于超图分割的5G无线通信网络切片分类方法，其特征在于，定义节点权重集合W(v)和超边权重集合W(e)：
其中n为节点数目，m为超边数目；所有节点权重默认为1。
5.如权利要求4所述的基于超图分割的5G无线通信网络切片分类方法，其特征在于，分割超图的过程为：
(1)选择种子节点；在一个待分割的超图中，以随机顺序访问所有未被匹配的节点；对于一个访问到的节点v，考虑v所在的所有超边中包含的所有未匹配的节点，将节点v和与v具有最大关联度的节点u匹配，其中关联度指的是所有同时包含节点v和u的超边的权重和；当所有节点均被匹配后，将每对节点凝聚成一个新的节点，并把该新节点放在原来节点对中v的位置，从而完成一轮粗化；经过多轮粗化直到只剩下一个节点后，将该节点作为种子节点；然后进行细化操作，将节点还原为粗化前的两个节点，若一个节点是种子节点，则在还原后的两个节点中随机选择一个作为种子节点；经过多轮细化还原出选择了一个种子节点的原始超图；
(2)分割超图；对种子节点所在的所有超边按边权重降序实行广度优先搜索，将访问到的超边及其包含的节点归入新的子超图，直到原始超图能够产生两个平衡的子超图，平衡指其中一个子超图的节点数目|A|满足下式：
αN-|e|max≤|A|≤αN+|e|max (3)
其中α为平衡因子，N为两个子超图的总节点数，|e|max表示两个超图中拥有最多节点数目的超边所包含的节点数；
(3)调整切割点；计算两个子超图的模块度函数Q(C)：
Q(C)＝H(C)-P(C) (4)
其中C是超图节点集合V的子集；H(C)表示C的内聚度；P(C)为耦合度，表示C与其补集的关联程度；|C|表示集合C中的节点数目；ε(e)为修正因子；
为C的内部边集合，即
代表所有节点都包含在C中的超边的集合；对于C和C的补集SC，
表示边界边集合：
切割点即为边界边包含的节点；
计算每一个未被锁定的切割点的移动增益，移动增益表示将该节点从当前所在子超图移动到另一个子超图后对模块度函数带来的变化值；每次将移动增益最大的节点移动到另一个子超图中，将该节点锁定，并记录目前切割方式下的模块度函数；
(4)重复执行步骤(3)，直到所有切割点被锁定；找到模块度函数最大时所对应的切割状况，若该最大值大于预先设定的阈值，则按照此时的切割方式将原超图切割为两个新的子超图，否则取消对该超图的切割，并将该超图标记为不可分割；
(5)对所有子超图执行步骤(1)～(4)，当所有子超图都被标记为不可分割时，终止整个迭代分割过程，分割结束。
6.如权利要求1所述的基于超图分割的5G无线通信网络切片分类方法，其特征在于，超图的分割不必预先设定分类的数量，迭代分割过程将会根据分割情况自动停止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110545664.6A CN113240020B (zh) | 2021-05-19 | 2021-05-19 | 一种基于超图分割的5g无线通信网络切片分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110545664.6A CN113240020B (zh) | 2021-05-19 | 2021-05-19 | 一种基于超图分割的5g无线通信网络切片分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113240020A CN113240020A (zh) | 2021-08-10 |
| CN113240020B true CN113240020B (zh) | 2022-11-01 |
Family
ID=77137545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110545664.6A Active CN113240020B (zh) | 2021-05-19 | 2021-05-19 | 一种基于超图分割的5g无线通信网络切片分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240020B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116192662B (zh) * | 2023-05-04 | 2023-06-23 | 中国电信股份有限公司四川分公司 | 基于业务行为预测与确定性网络关联模型及推荐方法 |
| CN116232921B (zh) * | 2023-05-08 | 2023-09-12 | 中国电信股份有限公司四川分公司 | 一种基于超图的确定性网络数据集构建装置及其方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100085916A1 (en) * | 2007-01-31 | 2010-04-08 | Noosphere Communications, Inc. | Systems and Methods for Hybrid Wired and Wireless Universal Access Networks |
| CN107659419B (zh) * | 2016-07-25 | 2021-01-01 | 华为技术有限公司 | 网络切片方法和系统 |
| WO2019084930A1 (zh) * | 2017-11-03 | 2019-05-09 | Oppo广东移动通信有限公司 | 一种接入控制的方法、设备及计算机可读介质 |
| US10834636B2 (en) * | 2018-01-10 | 2020-11-10 | Ofinno, Llc | Discovery and selection of UPF for uplink classifier |
| CN111953510B (zh) * | 2020-05-15 | 2024-02-02 | 中国电力科学研究院有限公司 | 一种基于强化学习的智能电网切片无线资源分配方法及系统 |
| CN112657074A (zh) * | 2020-11-03 | 2021-04-16 | 郭力 | 一种基于5g的云端一体化高强度聚焦超声远程手术机器人治疗系统装置及方法 |
-
2021
- 2021-05-19 CN CN202110545664.6A patent/CN113240020B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113240020A (zh) | 2021-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107995660B (zh) | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 | |
| US10289451B2 (en) | Method, apparatus, and system for adjusting deployment location of virtual machine | |
| CN113240020B (zh) | 一种基于超图分割的5g无线通信网络切片分类方法 | |
| CN108495358B (zh) | 一种基于nfv的网络切片选择方法 | |
| Jantti et al. | Second-order power control with asymptotically fast convergence | |
| WO2020119648A1 (zh) | 一种基于代价优化的计算任务卸载算法 | |
| US20180375957A1 (en) | Access scheduling method and apparatus for terminal, and computer storage medium | |
| Zhu et al. | Adaptive multi-access algorithm for multi-service edge users in 5G ultra-dense heterogeneous networks | |
| CN107750056B (zh) | 超密集网络中的干扰消减方法 | |
| CN111796880B (zh) | 一种边缘云计算任务的卸载调度方法 | |
| CN111542110B (zh) | 面向多用户物理层安全通信的用户调度与功率分配优化方法 | |
| CN109412661A (zh) | 一种大规模mimo系统下的用户分簇方法 | |
| CN112690014B (zh) | 操作网络管理节点的方法、网络管理节点和数据载体 | |
| CN113645076B (zh) | 基于超图匹配算法的虚拟网络资源分配方法 | |
| Duan et al. | Research on offloading strategy in edge computing of Internet of Things | |
| CN113194031B (zh) | 雾无线接入网内结合干扰抑制的用户聚类方法及系统 | |
| CN113728673A (zh) | 用于估计被无线电问题抑制的数据业务的方法和装置 | |
| CN117857476A (zh) | 一种基于均值漂移聚类算法的QoS动态分配资源策略 | |
| CN110248386B (zh) | 一种面向大规模密集无线网络的分层式负载均衡方法 | |
| Benmammar et al. | Diffusing-CRN k-means: an improved k-means clustering algorithm applied in cognitive radio ad hoc networks | |
| CN117176735A (zh) | 基于云边端的区块链共识机制自适应选择方法及系统 | |
| CN112770398A (zh) | 一种基于卷积神经网络的远端射频端功率控制方法 | |
| CN116367310A (zh) | 面向移动边缘计算的最大增益导向的信道分配方法 | |
| CN113543220B (zh) | 一种基于5g异构网络融合的智能平台接入方法 | |
| CN114554496A (zh) | 基于机器学习的5g网络切片资源分配方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Room 801, Building 1, No. 112 Jinjiadu Road, Liangzhu Street, Yuhang District, Hangzhou City, Zhejiang Province, 310000 Patentee after: Zhejiang Fanshuang Technology Co.,Ltd. Address before: 310000 room 801, 8 / F, building 2, No. 400, jianger Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: Zhejiang van double science and Technology Co.,Ltd. |