申请/专利权人：中国电子科技集团公司第五十四研究所

申请日：2021-11-11

公开（公告）日：2024-05-03

公开（公告）号：CN114143210B

主分类号：H04L41/14

分类号：H04L41/14;H04L41/142;G06N3/044;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2022.03.22#实质审查的生效;2022.03.04#公开

摘要：本发明提供了一种基于深度学习的指挥控制网络关键节点识别方法，所述方法包括1构建指挥控制网络关键节点数据集，2构建指挥控制网络关键节点识别神经网络模型，3基于训练集对指挥控制网络关键节点识别神经网络模型进行学习训练，4将数据集输入到指挥控制网络关键节点识别神经网络模型进行测试，识别指挥控制网络的关键节点。本发明提供的基于深度学习的指挥控制关键节点识别方法，能够准确地判断指挥控制关键节点。所述方法自动化程度高，结构新颖，流程简洁，具有广泛的工业实用性。

主权项：1.一种基于深度学习的指挥控制网络关键节点识别方法，其特征在于，包括以下步骤：步骤1：构建指挥控制网络关键节点数据集；步骤2：基于最小指挥控制网络关键节点识别神经网络模块和分类神经网络模块，构建指挥控制网络关键节点识别神经网络模型；步骤3：基于训练集对指挥控制网络关键节点识别神经网络模型进行学习训练；步骤4：将测试集输入到指挥控制网络关键节点识别神经网络模型进行测试，识别指挥控制网络的关键节点；其中，步骤1中，构建指挥控制网络关键节点数据集的具体方式为：步骤1-1：基于指挥控制网络结构、关键指挥控制节点和通信方式，统计在t次通信下，任意两节点之间，不同通信方式下的互通次数；其中和分别为通信节点标号，，为通信节点数，表示通信方式种类索引，，为通信方式种类，t为设定值；步骤1-2：将互通次数数据转换成多维矩阵形式组成样本： 步骤1-3：将关键指挥控制节点标号作为对应样本的标签；步骤1-4：在指挥控制网络结构相同但关键指挥控制节点不同的情况下，重复步骤1-1到1-3T次，组成数据集，包括样本数据集和标签数据集；其中T为设定值；样本数据集为： 标签数据集为： 步骤1-5：按照设定比例，将数据集切分为学习数据集和测试数据集，二者数量分别为和，其中表示向上取整；学习数据集的样本数据集为，维度为；学习数据集的标签数据集为，维度为；测试数据集的样本数据集为，维度为；测试数据集的标签数据集为，维度为；其中，步骤2中，构建指挥控制网络关键节点识别神经网络的具体方式为：步骤2-1：搭建最小指挥控制网络关键节点识别神经网络模块；最小指挥控制网络关键节点识别神经网络模块，内部分为主线和支线；数据流向为：输入样本数据分别经过主线和支线并行处理后相加，经过非线性激活层之后得到输出；主线依次包含二维卷积层、归一化层、非线性激活层、二维卷积层、归一化层和Squeeze-and-Excitation层，其中Squeeze-and-Excitation层包括全连接层、非线性激活层和全连层；支线包含二维卷积层和归一化层；步骤2-2：搭建分类神经网络模块：分类神经网络模块依次包含Dropout层、全连接层、非线性激活层、Dropout层、全连层、非线性激活层和全连层；步骤2-3：搭建指挥控制网络关键节点识别神经网络：通过将最小指挥控制网络关键节点识别神经网络模块和分类神经网络模块串行组合，并添加支线构成指挥控制网络关键节点识别神经网络；神经网络主体结构由三个最小指挥控制网络关键节点识别神经网络模块和一个分类神经网络模块串行构成，在四个模块连接之间插入三条相同的前向支路，前向支路由二维卷积层和归一化层构成；其中，步骤3中，基于训练集对指挥控制网络关键节点识别神经网络模型进行学习训练的具体方式为：步骤3-1：前向传播将多批样本数据依次通过指挥控制网络关键节点识别神经网络得到预测的标签数据的对应概率，其过程描述为，其中基于学习数据集将B个样本学习数据构建为批样本学习数据和批样本学习数据标签，维度分别为和，为批数量；F代表指挥控制网络关键节点识别神经网络的数学处理过程；步骤3-2：定义损失函数：损失函数依据预测的标签数据和标签数据的差距定义，给出二者之间的误差；步骤3-3：依据损失函数计算误差，根据误差进行反向传播，并对神经网络参数优化；步骤3-4：在测试数据集中评估神经网络的预测正确率，保存正确率最优的神经网络模型和参数；其中，步骤4中，将数据集输入到指挥控制网络关键节点识别神经网络模型进行测试，识别指挥控制网络的关键节点的具体方式为：步骤4-1：加载保存的神经网络模型及参数：步骤4-2：将测试数据集输入到指挥控制网络关键节点识别神经网络模型，得到关键节点对应的标号，实现指挥控制网络的关键节点的识别。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第五十四研究所 一种基于深度学习的指挥控制网络关键节点识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD