基于深度学习模型的网络负载均衡评估方法

本发明涉及网络通信技术领域，公开了基于深度学习模型的网络负载均衡评估方法，包括以下步骤：S1、数据预处理：采集流量数据，进行归一化、降噪和增强处理；S2、流形建模：对高维流量数据降维，保留局部结构；S3、特征提取：提取优化的低维特征，减少冗余；S4、性能评估：综合评估吞吐量、延迟和均衡性；S5、异常检测：检测异常流量并输出结果；S6、反馈优化：动态调整负载策略，提升性能。通过深度学习、变分信息瓶颈和流形学习，实现对动态网络流量特征的精准建模与优化，提取的特征准确反映流量变化趋势，增强了模型对突发与异常流量的适应能力，有效避免了传统方法因特征失真导致的性能下降，为负载均衡策略提供可靠支持。