摘要
本发明提供一种基于时空特征融合的TSN流量预测方法与系统,步骤如下:首先以交换机为网络节点构建邻接矩阵,采集预设时间段内的网络流量,并进行预处理,接着通过构建时空融合模块、粗粒度时间模块、细粒度时间模块,分别提取时空特征、粗粒度时间特征、细粒度时间特征。然后基于网络流量、邻接矩阵和提取到的特征构建预测模块,最后基于各个模块构建并训练得到时空特征融合的TSN流量预测模型,利用该模型实现对未来网络流量的预测。本发明能够考虑粗、细两种粒度的时间特征,能学习不同维度的时间特征,进一步提升预测模型的性能,提出时空特征融合架构,有效融合时空特征,显著提高预测模型的整体性能。
技术关键词
流量预测方法
网络流量预测模型
模块
标准化方法
交换机
融合时空特征
多头注意力机制
网络节点
数据
线性
梯度下降算法
空洞
处理器
网络拓扑
时间段
标签
可读存储介质
系统为您推荐了相关专利信息
车辆侧门
智能钥匙
迎宾光毯
意图识别模型
近距离通信技术
图像生成模型
背景图
图像编码
元素
图像生成方法
FPGA芯片
镜像
网络接口
服务器
可读存储介质