买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网湖北省电力有限公司信息通信公司;武汉大学申请的专利一种基于网络信息挖掘的拥塞传播路径预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117997840B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311855745.1，技术领域涉及：H04L47/127；该发明授权一种基于网络信息挖掘的拥塞传播路径预测方法是由叶宇轩;郭兆丰;廖荣涛;李磊;汪格璇;王逸兮;王晟玮;胡欢君;张剑;宁昊;张玉洁;郭岳;罗弦;王敬靖;李想;王博涛;陈家璘;郑蕾;徐宁;胡晨;邱学晶设计研发完成，并于2023-12-29向国家知识产权局提交的专利申请。

本一种基于网络信息挖掘的拥塞传播路径预测方法在说明书摘要公布了：一种基于网络信息挖掘的拥塞传播路径预测方法，建模数据传输网络结构及其拥塞状态为动态图结构；筛选候选拥塞传播路径节点集；同时得到候选路径集中参与网络拥塞节点的邻接矩阵；将参与网络拥塞传播节点的历史拥塞状态值作为输入，通过多层LSTM模块生成拥塞传播路径的向量表示；将拥塞传播路径向量表示和参与网络拥塞节点的邻接矩阵，作为输入通过由两层图卷积网络和一个全连接层构成的图卷积模块，选择输出结果中权值排序前个节点对应的路径作为预测网络拥塞路径。本发明预测导致目标节点拥塞状态的传播路径，为架构调整、资源调度以及故障检测、预测性维护等技术提供有效支持和建议，提高网络端到端可靠性。

本发明授权一种基于网络信息挖掘的拥塞传播路径预测方法在权利要求书中公布了：1.一种基于网络信息挖掘的拥塞传播路径预测方法，其特征在于包括如下步骤： 步骤1：建模数据传输网络结构及其拥塞状态为动态图结构{Gt|Gt＝V,At}；参与网络数据传输的独立设备作为图中节点集V＝{vi,i＝1,2,…,Nv}，其中Nv为总节点数，时间片t内的节点间连通状态为网络动态邻接矩阵At，根据网络中数据传输路径的连接性可将相邻时间片的图连接； 步骤2：筛选候选拥塞传播路径节点集：候选拥塞传播路径节点集其中Np为候选拥塞传播路径总数，同时得到候选路径集中参与网络拥塞节点的邻接矩阵Ao-； 具体为：根据步骤1建模的动态图结构，相邻节点沿时间方向在相邻时间片之间的有向连接，可表示数据在网络中实际传输路径；用两两互为邻接节点的节点集合表征某条候选拥塞路径p： p＝vr1,vr2,…,vrd 若vi为拥塞传播路径的终节点vrd,计算vi的入度序列： 取序列中最大入度max{Di,t}对应时间片tD的相邻时间片tD-1上vi的所有邻接节点，生成当前节点的时空关联邻点集 计算其入度序列计算并比较当前节点vi与其邻接节点之间入度序列的Pearson相关性系数取Pearson系数值最大的两个所对应的邻接节点，并生成两条新路径，所取两个邻接节点作为当前节点的上一级节点，再令选取的邻接节点作为新的当前节点； 重复上述由最大入度求相邻时间片上两个最相关邻接节点的过程，直至每条路径达到预设的单条路径节点数筛选出所有候选路径Np＝2d；从网络固有邻接矩阵Ao中去掉未参与构建P的节点的对应值，得到参与节点的邻接矩阵Ao-； 步骤3：将参与网络拥塞传播节点的历史拥塞状态值{Ork,tk}作为输入，通过多层LSTM模块生成拥塞传播路径向量表示H； 步骤4：将上述拥塞传播路径向量表示H和参与网络拥塞节点的邻接矩阵Ao-，作为输入通过由两层图卷积网络和一个全连接层构成的图卷积模块，选择输出结果中拥塞状态预测值排序前d个节点对应的路径作为预测网络拥塞路径。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网湖北省电力有限公司信息通信公司;武汉大学，其通讯地址为：430077 湖北省武汉市徐东大街341号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。