一种网络丢包模型分类识别与多参数计算方法

本发明涉及一种网络丢包模型分类识别与多参数计算方法，属于网络通信技术领域。该方法旨在解决如何识别网络丢包模型，如何求解丢包模型构成参数的问题。针对多类复杂网络丢包模型，通过生成相应的丢包序列，提取时域、频域和统计特征，并将这些特征进行融合，利用深度学习分类模型对融合后的特征进行训练，实现对不同丢包模型的高效分类，显著提高了分类精度。针对丢包模型构成参数的问题，提出一种结合多路径卷积和双向长短时记忆网络的深度神经网络框架，该框架主要由多路径卷积ResNeXt、BatchNorm层、ReLU层和双向长短时记忆网络BiLSTM构成，能够有效捕捉丢包序列中的时空依赖关系。大量的实验表明，本发明提出的框架能够有效实现对网络丢包模型多类参数的计算。