基于数据增强和GCN网络的TSN网络配置检测方法及设备

本发明公开的一种基于数据增强和GCN网络的TSN网络配置检测方法及设备，包括采用MI指标对特征进行筛选，筛选出关联度较高的特征；引入CTGAN算法对原始数据集进行数据增强，计算数据集中FIFO、Manual和CP8调度方法中可行与不可行配置的比例；通过分模态归一化和条件向量优化后的生成对抗网络GAN对数据集中的少数类样本进行扩充；同时选择GCN神经网络进行网络配置检测，将筛选得到的特征作为节点特征，并引入链路负载作为边特征，通过两层图卷积层和归一化层卷积聚合邻接节点并减小过拟合，最后使用全局平均池化GAP和全连接层MLP充分提取出网络配置信息。该方法通过CTGAN数据增强和GCN神经网络加强了模型对不平衡数据集的分类能力，进而提高了分类准确率。