CN114448820A - 一种电力通信网络中基于密度聚类算法的ospf区域划分方法 - Google Patents
一种电力通信网络中基于密度聚类算法的ospf区域划分方法 Download PDFInfo
- Publication number
- CN114448820A CN114448820A CN202111544711.1A CN202111544711A CN114448820A CN 114448820 A CN114448820 A CN 114448820A CN 202111544711 A CN202111544711 A CN 202111544711A CN 114448820 A CN114448820 A CN 114448820A
- Authority
- CN
- China
- Prior art keywords
- density
- data
- reachable
- communication network
- clustering algorithm
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/123—Evaluation of link metrics
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于电力通信网络中网络管理技术领域,具体涉及一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,包括以下步骤:将原始数据进行格式转换,计算数据点密度;数据预处理并建立相异度矩阵;确定密度吸引点和核心对象;构造直接密度可达数据闭包;构造密度可达数据链;本发明一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,根据数据对象密度分布状态来自动确定聚类簇密度吸引中心点核心路由器和聚类簇的初始划分,利用划分的方法,根据密度可达定义来寻找密度可达数据对象簇,从而完成数据对象簇的最终聚类,以对OSPF区域内路由器完成区域划分。
Description
技术领域
本发明属于电力通信网络中网络管理技术领域,具体涉及一种电力通信网络中基于密度聚类算法的OSPF区域划分方法。
背景技术
电力通信网络是为了保证电力系统的安全稳定运行而应运而生的,是电网调度自动化、网络运营市场化和管理现代化的基础,将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程被称为聚类,由聚类所生成的簇是一组数据对象的集合,OSPF协议作为一种基于链路状态的内部网关路由协议,广泛应用于目前的Internet广域网和Intranet企业网中,并支持区域划分,假设电力通信网络作为一个自治系统来运行OSPF协议,随着电力通信网络的进一步扩大,运行OSPF的路由器也会相应地出现数量上的增长,每个路由器维护的庞大的LSDB占用大量的内存空间,路由计算复杂度增加,路由器之间的通信量会占用大量的带宽,导致OSPF协议路由效率低下,为了提高运行效率和网路收敛速度,需要进行合理的区域划分,现有的区域划分方法中,对于区域的划分要求事前给出要生成簇的数目,需要用户基本专业的领域知识;对于稀疏、具有任意形状的簇聚类效果不佳;以及不能有效确定和分析孤立点。
发明内容
本发明的目的是为了克服现有技术的不足,而提供一种能够有效划分OSPF区域,降低LSDB数据级别,减少对网络设备CPU和带宽的占用的一种电力通信网络中基于密度聚类算法的OSPF区域划分方法。
本发明的目的是这样实现的,一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,它包括以下步骤:
步骤1:将原始数据进行格式转换,计算数据点密度;
步骤2:数据预处理并建立相异度矩阵;
步骤3:确定密度吸引点和核心对象;
步骤4:构造直接密度可达数据闭包;
步骤5:构造密度可达数据链;
所述的步骤1中原始数据的形式有时并不适用于聚类算法,首先要对原始数据进行格式转换,以使得原始数据更加适合聚类算法,OSPF区域内路由器整体密度可以被模型化为所有数据点的影响函数的总和,每个数据点即一个路由器,路由器密度计算为:
步骤2中密度聚类算法是以相异度矩阵为基础进行聚类的,在部分设计中要针对不同的数据变量类型,选择合适对象相似度算法,构造相异度矩阵,进行聚类准备;
步骤3中利用爬山算法自动确定密度吸引点的位置和数目,得到聚类的密度吸引点链,进而得到密度吸引点链对应的核心对象,核心对象是指数据点密度的局部最大点,即簇中心的核心路由器;
步骤4中直接密度可达是指,给定一个对象合集D,如果对象p是在核心对象q的δ-领域内,那么说对象p从核心对象q出发是直接密度可达的,将上一步得到的核心对象q作为聚类簇的中心,根据直接密度可达和对象邻域半径的定义进行数据空间的初始划分,将数据点进行划分,即与核心路由器直接密度可达的路由器可划分为同一簇,定义邻域半径的计算公式为:
其中,mean(D)为所有对象p的平均距离,coefR为邻域半径调节系数;
步骤5中密度可达是指,如果存在一个对象链P1,P2,...,Pn,Pn=q,q是一个核心对象,pn-1是从q出发直接密度可达的,那么对于pi∈D(1≤i<n-1),满足d(pi,pi+1)<R,那么说对象pi(1≤i<n-1)是从核心对象q出发的密度可达对象,对在步骤4中剩余路由器根据密度可达的定义进行聚类,构造密度可达数据链,直到符合条件的路由器都被聚类,未被聚类的路由器划归为数据孤立点集。
本发明的有益效果:本发明一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,包括以下步骤:将原始数据进行格式转换,计算数据点密度;数据预处理并建立相异度矩阵;确定密度吸引点和核心对象;构造直接密度可达数据闭包;构造密度可达数据链;本发明一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,根据数据对象密度分布状态来自动确定聚类簇密度吸引中心点核心路由器和聚类簇的初始划分,利用划分的方法,根据密度可达定义来寻找密度可达数据对象簇,从而完成数据对象簇的最终聚类,以对OSPF区域内路由器完成区域划分。
附图说明
图1为本发明一种电力通信网络中基于密度聚类算法的OSPF区域划分方法的聚类算法模型设计图。
图2为本发明一种电力通信网络中基于密度聚类算法的OSPF区域划分方法的聚类算法流程图。
具体实施方式
一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,它包括以下步骤:
步骤1:将原始数据进行格式转换,计算数据点密度;
步骤2:数据预处理并建立相异度矩阵;
步骤3:确定密度吸引点和核心对象;
步骤4:构造直接密度可达数据闭包;
步骤5:构造密度可达数据链;
所述的步骤1中原始数据的形式有时并不适用于聚类算法,首先要对原始数据进行格式转换,以使得原始数据更加适合聚类算法,OSPF区域内路由器整体密度可以被模型化为所有数据点的影响函数的总和,每个数据点即一个路由器,路由器密度计算为:
密度聚类算法是用基于距离的方法来衡量对象相宜度的,现实数据的变量值往往不是使用统一度量单位来测量,需要将各个路由器之间距离使用统一度量单位进行计算;
步骤2中密度聚类算法是以相异度矩阵为基础进行聚类的,在部分设计中要针对不同的数据变量类型,选择合适对象相似度算法,构造相异度矩阵,进行聚类准备,对于数值型变量,通常采用欧几里得距离作为定义对象相异度的尺度;
步骤3中利用爬山算法自动确定密度吸引点的位置和数目,得到聚类的密度吸引点链,进而得到密度吸引点链对应的核心对象,核心对象是指数据点密度的局部最大点,即簇中心的核心路由器,此步骤可以消除需要人为确定聚类簇个数的局限性,局部密度最大值为聚类的中心,不需要多次迭代来计算聚类的质心作为中心点,在一定程度可减小对专业领域知识的依赖性;
步骤4中直接密度可达是指,给定一个对象合集D,如果对象p是在核心对象q的δ-领域内,那么说对象p从核心对象q出发是直接密度可达的,将上一步得到的核心对象q作为聚类簇的中心,根据直接密度可达和对象邻域半径的定义进行数据空间的初始划分,将数据点进行划分,即与核心路由器直接密度可达的路由器可划分为同一簇,定义邻域半径的计算公式为:
其中,mean(D)为所有对象p的平均距离,coefR为邻域半径调节系数,只需要一次遍历数据空间就可找到直接密度可达数据包,无需多次重复操作;
步骤5中密度可达是指,如果存在一个对象链P1,P2,...,Pn,Pn=q,q是一个核心对象,pn-1是从q出发直接密度可达的,那么对于pi∈D(1≤i<n-1),满足d(pi,pi+1)<R,那么说对象pi(1≤i<n-1)是从核心对象q出发的密度可达对象,对在步骤4中剩余路由器根据密度可达的定义进行聚类,构造密度可达数据链,直到符合条件的路由器都被聚类,未被聚类的路由器划归为数据孤立点集,此部分的完成可使算法在一定程度上拓展了挖掘任意形状簇的能力,也可有效划分出孤立点。
本发明的有益效果:本发明一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,包括以下步骤:将原始数据进行格式转换,计算数据点密度;数据预处理并建立相异度矩阵;确定密度吸引点和核心对象;构造直接密度可达数据闭包;构造密度可达数据链;本发明一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,根据数据对象密度分布状态来自动确定聚类簇密度吸引中心点核心路由器和聚类簇的初始划分,利用划分的方法,根据密度可达定义来寻找密度可达数据对象簇,从而完成数据对象簇的最终聚类,以对OSPF区域内路由器完成区域划分;
如图1-2所示,本发明先对路由器统一转化为数据点,将各个数据点之间距离进行转化成统一格式,根据公式计算出OSPF区域内数据点密度,选择合适构造相异度矩阵,为聚类进行准备,利用爬山算法自动确认核心路由器位置,利用直接密度可达和对象邻域半径的定义进行OSPF区域路由器的初步划分,再对剩余路由器根据密度可达的定义构造密度可达数据链,直到符合条件的路由器均被聚类完成,其余未被聚类的路由器划归为孤立路由器,本发明目的在于提高聚类算法发现处理任意形状和大小的簇,能够提高有效屏蔽噪声和离群点的能力,具有可扩展性和高维性,实现输入参数对专业领域知识依赖程度的最小化,并可以有效的发现孤立点。
本发明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的限定。
Claims (6)
1.一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,其特征在于,它包括以下步骤:
步骤1:将原始数据进行格式转换,计算数据点密度;
步骤2:数据预处理并建立相异度矩阵;
步骤3:确定密度吸引点和核心对象;
步骤4:构造直接密度可达数据闭包;
步骤5:构造密度可达数据链。
3.如权利要求1所述的一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,其特征在于:步骤2中密度聚类算法是以相异度矩阵为基础进行聚类的,在部分设计中要针对不同的数据变量类型,选择合适对象相似度算法,构造相异度矩阵,进行聚类准备。
4.如权利要求1所述的一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,其特征在于:步骤3中利用爬山算法自动确定密度吸引点的位置和数目,得到聚类的密度吸引点链,进而得到密度吸引点链对应的核心对象,核心对象是指数据点密度的局部最大点,即簇中心的核心路由器。
6.如权利要求1所述的一种电力通信网络中基于密度聚类算法的OSPF区域划分方法,其特征在于:步骤5中密度可达是指,如果存在一个对象链P1,P2,...,Pn,Pn=q,q是一个核心对象,pn-1是从q出发直接密度可达的,那么对于pi∈D(1≤i<n-1),满足d(pi,pi+1)<R,那么说对象pi(1≤i<n-1)是从核心对象q出发的密度可达对象,对在步骤4中剩余路由器根据密度可达的定义进行聚类,构造密度可达数据链,直到符合条件的路由器都被聚类,未被聚类的路由器划归为数据孤立点集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111544711.1A CN114448820A (zh) | 2021-12-16 | 2021-12-16 | 一种电力通信网络中基于密度聚类算法的ospf区域划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111544711.1A CN114448820A (zh) | 2021-12-16 | 2021-12-16 | 一种电力通信网络中基于密度聚类算法的ospf区域划分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114448820A true CN114448820A (zh) | 2022-05-06 |
Family
ID=81364524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111544711.1A Pending CN114448820A (zh) | 2021-12-16 | 2021-12-16 | 一种电力通信网络中基于密度聚类算法的ospf区域划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114448820A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106559266A (zh) * | 2016-11-23 | 2017-04-05 | 国网安徽省电力公司芜湖供电公司 | 一种电力通信网络中基于密度聚类算法的ospf区域划分方法 |
CN111652305A (zh) * | 2020-05-28 | 2020-09-11 | 上海勃池信息技术有限公司 | 一种面向大数据空间的数据局部密度聚类方法 |
-
2021
- 2021-12-16 CN CN202111544711.1A patent/CN114448820A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106559266A (zh) * | 2016-11-23 | 2017-04-05 | 国网安徽省电力公司芜湖供电公司 | 一种电力通信网络中基于密度聚类算法的ospf区域划分方法 |
CN111652305A (zh) * | 2020-05-28 | 2020-09-11 | 上海勃池信息技术有限公司 | 一种面向大数据空间的数据局部密度聚类方法 |
Non-Patent Citations (2)
Title |
---|
孟海东;宋飞燕;郝永宽;: "基于密度与划分方法的聚类算法设计与实现", 计算机工程与应用, no. 27, pages 171 - 174 * |
李祝红;赵灿明;: "电力通信网络中OSPF区域划分问题的研究", 微处理机, no. 01 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107172166B (zh) | 面向工业智能化服务的云雾计算系统 | |
CN109039897B (zh) | 一种基于业务感知的软件定义回程网络路由方法 | |
CN113285831B (zh) | 网络行为知识智能学习方法、装置、计算机设备及存储介质 | |
CN113190939B (zh) | 基于多边形系数的大型稀疏复杂网络拓扑分析和简化方法 | |
CN111953547B (zh) | 一种基于业务的异构基站重叠分组及资源配置方法及装置 | |
CN110233755A (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN114785692A (zh) | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 | |
CN111447658B (zh) | 一种基于sdwsn的分簇路由方法 | |
WO2024188157A1 (zh) | 一种WIFI Mesh组网传播优化方法、系统及存储介质 | |
CN113676357B (zh) | 面向电力物联网中边缘数据处理的决策方法及其应用 | |
CN107528731B (zh) | 应用于ns3并行仿真的网络分割优化算法 | |
CN111487873B (zh) | 一种能源互联网能量分散协同控制方法 | |
US10454776B2 (en) | Dynamic computer network classification using machine learning | |
CN108959652A (zh) | 基于密度峰值与社区归属度的重叠社区发现方法 | |
CN114448820A (zh) | 一种电力通信网络中基于密度聚类算法的ospf区域划分方法 | |
CN107911763B (zh) | 一种基于QoS的智能配用电通信网EPON网络规划方法 | |
CN116132354A (zh) | 一种无人机集群网络化传输路径优化方法及系统 | |
CN106358302B (zh) | 一种无线传感器网络多收发器多信道分配算法 | |
Sahu et al. | Application mapping onto butterfly-fat-tree based network-on-chip using discrete particle swarm optimization | |
CN112333102B (zh) | 基于知识图谱的软件定义网络路由选择方法和系统 | |
Luo et al. | Hierarchical Collaboration Dynamic Resource Scheduling for Edge-Enabled Industrial IoT | |
Hu et al. | Improved particle swarm optimization for minimum spanning tree of length constraint problem | |
CN105959167A (zh) | 一种基于贪心算法的全局优化sdn测量方法 | |
CN105978816B (zh) | 一种基于遗传框架的组播树优化方法 | |
CN114051273B (zh) | 一种基于深度学习的大规模网络动态自适应路径规划方法 |
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 |