摘要
本发明公开了一种基于人工智能的智能化网络设备管理与优化方法,S1、收集网络设备的实时状态信息并进行预处理;S2、基于DBSCAN聚类算法对所述实时状态信息进行动态分析得到聚类结果;S3、根据聚类结果构建设备间的拓扑关系图;S4、采用图神经网络对拓扑关系图进行学习,生成每个设备的更新表示;S5、根据设备的更新表示,对网络拓扑进行自适应调整;S6、基于设备群体的变化和优化后的流量路由策略对设备间的流量进行重新分配;S7、构建反馈机制,对网络优化效果进行持续评估;S8、持续优化网络设备的管理策略。本发明能够在网络设备管理与优化中提供高效、科学的优化方案,为实际应用带来显著的技术价值和经济效益。
技术关键词
网络设备管理
实时状态信息
网络拓扑
神经网络模型
矩阵
关系
设备特征
负载均衡优化
网络优化
管理策略
强度
聚类
负载均衡算法
网络管理系统
神经网络训练
综合误差
定义
系统为您推荐了相关专利信息
剩余使用寿命预测
融合特征
期望最大化算法
高斯混合模型
电池健康状态
品质评价方法
心理声学
BP神经网络模型
灰狼算法
非暂态计算机可读存储介质
模板构建方法
因子
滑动时间窗
独立成分分析
分类准确率