一種移動自組網路由節點行為預測方法
【技術領域】
[ooou本發明設及移動自組網路由節點行為預測問題，利用貝葉斯預測模型來預測移動 自組網節點之間隱藏的聯系，屬于計算機技術、信息網絡、數據挖掘交叉技術應用領域。
【背景技術】
[0002] 移動自組網的路由協議被用于建立節點之間的通信，并W較少的開銷和計算控制 路由消息的交換。路由節點及其屬性對于確定的移動自組網的整體性能至關重要。在移動 自組網中，每個節點維護路由，協助路由的過程，但在網絡的拓撲結構和模糊性的路由信息 存在不確定性，信息可能會影響移動自組網的性能。在移動自組網中，每個節點的路由信息 表示有關路由節點的信息，它常常在其列由路由屬性而行由節點標記的一個表中顯示。移 動自組網節點不能被唯一地識別，原因是該些節點的行為或缺乏足夠的信息。因此，我們需 要更多的路由細節信息，W查找更好的有關路由節點。
[0003] 貝葉斯預測模型是運用貝葉斯統計進行的一種預測。貝葉斯統計不同于一般的 統計方法，其不僅利用模型信息和數據信息，而且充分利用先驗信息。樸素貝葉斯分類器 (NBC)發源于古典數學理論，有著堅實的數學基礎，W及穩定的分類效率。同時，NBC模型所 需估計的參數很少，對缺失數據不太敏感，算法也比較簡單。理論上，NBC模型與其他分類 方法相比具有最小的誤差率。但是實際上并非總是如此，該是因為NBC模型假設屬性之間 相互獨立，該個假設在實際應用中往往是不成立的，該給NBC模型的正確分類帶來了一定 影響。解決該個問題的方法一般是建立一個屬性模型，對于不相互獨立的屬性，把他們單 獨處理。本發明使用貝葉斯預測模型，通過使用貝葉斯分類器來預測移動自組網路由節點 行為，W推進移動自組網的應用。
【發明內容】
[0004] 技術問題；本發明的目的是提供一種移動自組網路由節點行為預測方法，解決移 動自組網路由節點行為預測問題，建立一種基于貝葉斯的預測方法，通過現有的數據分析， 對移動
[0005] 自組網路由節點行為進行預測，提高移動自組網的運行效率。
[0006] 技術方案；本發明所述的移動自組網路由節點行為預測方法包含如下過程：首先 選擇合適的移動自組路由屬性，設置模糊鄰近關系，然后根據此原則對記錄進行分類，最后 使用貝葉斯器進行預測，評估路由節點的行為。
[0007] 本發明所述移動自組網路由節點行為預測方法包括W下步驟：
[000引步驟1)建立路由信息關系，具體步驟如下：
[0009] 步驟11)記錄移動自組網中節點的屬性和功能，建立路由信息關系。所述的路由 信息關系由行數據表示節點，列數據表示節點的屬性所構成的路由數據的表格表示。路由 信息關系由非空有限路由節點集合，非空有限路由屬性集合，路由屬性值和路由信息功能 四部分構成。
[0010] 步驟。）根據用戶指定的相似比計算公式，用節點屬性值計算節點之間是否是模 糊鄰近關系。所述的模糊鄰近關系是指用兩個節點屬性值之間的相似比來表示路由信息關 系中節點不能被屬性值明確區分的關系。所述相似比計算公式是由用戶根據移動自組網不 同的應用確定。
[0011] 步驟蝴根據節點的模糊鄰近關系來確定有相同順序的屬性值，并且用節點的屬 性值對所建立路由信息關系進行排序。
[0012] 步驟2)對路由信息關系進行分類，具體步驟如下：
[001引步驟21)計算移動自組網每個節點的模糊鄰近關系。
[0014] 步驟211)如果集合中第一個節點和第二個節點之間的關系為模糊鄰近關系，則 將第一個元素放置在集合Cl中。
[0015] 步驟212)如果集合中第一個節點和第二個節點之間的關系與第二個節點和第S 個節點之間的關系為模糊鄰近關系，則將第一個、第二個節點放置在集合C,中。
[0016] 步驟213)如果集合中第一個節點和第二個節點之間的關系與第二個節點和第S 個節點之間的關系和第S個節點和第四個節點之間的關系為模糊鄰近關系，則將第一個、 第二個、第=個元素放置在集合C3中。
[0017] 步驟214)其他元素依據步驟211)-步驟213)依次進行。
[00化]步驟蝴設置集合Ral，所述的Ral=咕，C2,Cs. . .C。}，其中n為集合個數。
[0019] 步驟扣用戶為移動自組網路由屬性提供優先級規則，根據所設置的移動自組網 路由屬性的優先級規則對Ral中的元素進行優先級排序。所述的優先級規則就是為每個屬 性設置不同的加權指數，優先級越高，加權指數越高。
[0020] 步驟4)根據用戶提供的已有路由節點信息發送成功和失敗信息，統計已有路由 節點之間是否有鏈路故障，依次取得兩個路由節點，確定路由節點之間的鏈路關系，當該兩 個路由節點之間有鏈路故障，標記該兩個路由節點之間的鏈路關系是不連通；當該兩個路 由節點之間沒有鏈路故障，標記該兩個路由節點之間的鏈路關系是連通。所述的鏈路故障 分為物理鏈路故障和邏輯鏈路故障，就是指在源節點轉發數據包時，目的節點超過源節點 的通信范圍，而造成的節點之間接收不到消息。
[002U 步驟5)將Ral選取訓練數據，利用貝葉斯分類器，統計在Ral中各個元素集合。 下不同節點之間鏈路關系的條件概率值，i為序號，所述貝葉斯分類器是指通過某對象的先 驗概率，利用貝葉斯公式計算出其后驗概率，即該對象屬于某一類的概率，選擇具有最大后 驗概率的類作為該對象所屬的類。所述的訓練數據是指用于構建模型的數據。具體步驟如 下：
[0022] 步驟6)根據不同節點之間鏈路關系的條件概率值確定節點之間的行為是否是相 似關系，當兩個節點之間互相的條件概率值相同，則認為兩個節點行為是相似的，當兩個節 點之間互相鏈路關系的的條件概率值不相同節點，則認為兩個節點行為是不同的。
[0023] 步驟7)用戶根據節點之間行為的相似性，利用行為已知的路由節點預測所有具 有相似行為的路由節點的行為。
[0024] 有益效果：本發明提出一種移動自組網路由節點行為預測方法，具體有益效果如 下：
[0025] 1)本發明通過分析已有數據，能夠預測移動自組網路由節點行為未來可能發生