一种评估网络性能指标变化趋势的方法及装置与流程

技术特征：

1.一种评估网络性能指标变化趋势的方法，其特征在于，包括：

获取待检测网络的多个网络性能指标的指标值；

根据多个所述网络性能指标的指标值，获取多个所述网络性能指标中的一个网络性能指标与其它网络性能指标中的至少一个的余弦相似度距离值；

根据多个所述网络性能指标中的一个网络性能指标与其它网络性能指标中的至少一个的余弦相似度距离值，获取该网络性能指标的变化趋势与其它网络性能指标中的至少一个的变化趋势的相似度。

2.根据权利要求1所述的方法，其特征在于，所述获取待检测网络的多个网络性能指标的指标值，具体包括：

获取待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值。

3.根据权利要求2所述的方法，其特征在于，所述获取待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值，具体包括：

获取待检测网络的n个网络性能指标分别在所述预定时间段内的m个时间点的指标值，得到原始性能指标矩阵X：

其中，x_i为第i个网络性能指标所有的指标值，x_ij为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，m和n均为大于或等于1的整数，且i为1到n之间的整数，j为1到m之间的整数。

4.根据权利要求2所述的方法，其特征在于，所述根据多个所述网络性能指标的指标值，获取多个所述网络性能指标中的一个网络性能指标与其它网络性能指标中的至少一个的余弦相似度距离值，具体包括：

根据多个所述网络性能指标中的一个预定网络性能指标与其它非预定网 络性能指标中的至少一个分别在所述预定时间段内的多个时间点的指标值，获取所述预定网络性能指标与其它所述非预定网络性能指标中的至少一个的余弦相似度距离值。

5.根据权利要求4所述的方法，其特征在于，所述根据多个所述网络性能指标中的一个预定网络性能指标与其它非预定网络性能指标中的至少一个分别在所述预定时间段内的多个时间点的指标值，获取所述预定网络性能指标与其它所述非预定网络性能指标中的至少一个的余弦相似度距离值，具体包括：

通过如下公式获取所述预定网络性能指标分别与每个所述非预定网络性能指标的余弦相似度距离值cos：

${\cos }_{ab}=\frac{\underset{j=1}{\overset{m}{\Σ}}{x}_{aj}\×x_{bj}}{\sqrt{\underset{j=1}{\overset{m}{\Σ}}{x_{aj}}^2}\×\sqrt{\underset{j=1}{\overset{m}{\Σ}}{x_{bj}}^2}};$

其中，x_aj为第a个网络性能指标在所述预定时间段内的第j个时间点的指标值，所述第a个网络性能指标为预定网络性能指标，x_bj为第b个网络性能指标在所述预定时间段内的第j个时间点的指标值，所述第b个网络性能指标为非预定网络性能指标，所述待检测网络共n个网络性能指标，所述预定时间段内共m个时间点，m和n均为大于或等于1的整数，j为1到m之间的整数，a和b均为1到n之间的整数，且a≠b。

6.根据权利要求4所述的方法，其特征在于，所述根据多个所述网络性能指标中的一个网络性能指标与其它网络性能指标中的至少一个的余弦相似度距离值，获取该网络性能指标的变化趋势与其它网络性能指标中的至少一个的变化趋势的相似度，具体包括：

根据所述预定网络性能指标分别与每个所述非预定网络性能指标的余弦相似度距离值的数值大小，对所述预定网络性能指标与每个所述非预定网络性能指标的变化趋势的相似度进行排序，其中，余弦相似度距离值越大的非预定网络性能指标与所述预定网络性能指标的变化趋势的相似度越大，余弦相似度距离值越小的非预定网络性能指标与所述预定网络性能指标的变化趋势的相似度越小。

7.根据权利要求2所述的方法，其特征在于，所述获取待检测网络的多 个网络性能指标分别在预定时间段内的多个时间点的指标值之后，所述方法还包括：

对每个所述网络性能指标在所述预定时间段内的多个时间点的指标值分别进行归一化处理。

8.根据权利要求7所述的方法，其特征在于，所述对每个所述网络性能指标在所述预定时间段内的多个时间点的指标值分别进行归一化处理，具体包括：

通过如下公式对每个所述网络性能指标在所述预定时间段内的多个时间点的指标值分别进行归一化处理，得到归一化指标

$x_{{\mathrm{ij}}_{norm}}=\frac{x_{ij}-min\left(x_i\right)}{max\left(x_i\right)-\min \left(x_i\right)};$

其中，x_i为第i个网络性能指标所有的指标值，x_ij为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，所述待检测网络共n个网络性能指标，所述预定时间段内共m个时间点，m和n均为大于或等于1的整数，且i为1到n之间的整数，j为1到m之间的整数。

9.一种评估网络性能指标变化趋势的装置，其特征在于，包括：

第一获取模块，用于获取待检测网络的多个网络性能指标的指标值；

第二获取模块，用于根据多个所述网络性能指标的指标值，获取多个所述网络性能指标中的一个网络性能指标与其它网络性能指标中的至少一个的余弦相似度距离值；

第三获取模块，用于根据多个所述网络性能指标中的一个网络性能指标与其它网络性能指标中的至少一个的余弦相似度距离值，获取该网络性能指标的变化趋势与其它网络性能指标中的至少一个的变化趋势的相似度。

10.根据权利要求9所述的装置，其特征在于，所述第一获取模块具体包括：

第一获取单元，用于获取待检测网络的多个网络性能指标分别在预定时间段内的多个时间点的指标值。

11.根据权利要求10所述的装置，其特征在于，所述第一获取单元具体包括：

第一获取子单元，用于获取待检测网络的n个网络性能指标分别在所述预定时间段内的m个时间点的指标值，得到原始性能指标矩阵X：

其中，x_i为第i个网络性能指标所有的指标值，x_ij为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，m和n均为大于或等于1的整数，且i为1到n之间的整数，j为1到m之间的整数。

12.根据权利要求10所述的装置，其特征在于，所述第二获取模块具体包括：

第二获取单元，用于根据多个所述网络性能指标中的一个预定网络性能指标与其它非预定网络性能指标中的至少一个分别在所述预定时间段内的多个时间点的指标值，获取所述预定网络性能指标与其它所述非预定网络性能指标中的至少一个的余弦相似度距离值。

13.根据权利要求12所述的装置，其特征在于，所述第二获取单元具体包括：

第二获取子单元，用于通过如下公式获取所述预定网络性能指标分别与每个所述非预定网络性能指标的余弦相似度距离值cos：

${\cos }_{ab}=\frac{\underset{j=1}{\overset{m}{\Σ}}{x}_{aj}\×x_{bj}}{\sqrt{\underset{j=1}{\overset{m}{\Σ}}{x_{aj}}^2}\×\sqrt{\underset{j=1}{\overset{m}{\Σ}}{x_{bj}}^2}};$

其中，x_aj为第a个网络性能指标在所述预定时间段内的第j个时间点的指标值，所述第a个网络性能指标为预定网络性能指标，x_bj为第b个网络性能指标在所述预定时间段内的第j个时间点的指标值，所述第b个网络性能指标为非预定网络性能指标，所述待检测网络共n个网络性能指标，所述预定时间段内共m个时间点，m和n均为大于或等于1的整数，j为1到m之间的整数，a和b均为1到n之间的整数，且a≠b。

14.根据权利要求12所述的装置，其特征在于，所述第三获取模块具体包括：

第三获取单元，用于根据所述预定网络性能指标分别与每个所述非预定网络性能指标的余弦相似度距离值的数值大小，对所述预定网络性能指标与每个所述非预定网络性能指标的变化趋势的相似度进行排序，其中，余弦相似度距离值越大的非预定网络性能指标与所述预定网络性能指标的变化趋势的相似度越大，余弦相似度距离值越小的非预定网络性能指标与所述预定网络性能指标的变化趋势的相似度越小。

15.根据权利要求10所述的装置，其特征在于，所述装置还包括：

归一化模块，用于对每个所述网络性能指标在所述预定时间段内的多个时间点的指标值分别进行归一化处理。

16.根据权利要求15所述的装置，其特征在于，所述归一化模块具体包括：

归一化单元，用于通过如下公式对每个所述网络性能指标在所述预定时间段内的多个时间点的指标值分别进行归一化处理，得到归一化指标

$x_{{\mathrm{ij}}_{norm}}=\frac{x_{ij}-min\left(x_i\right)}{max\left(x_i\right)-\min \left(x_i\right)};$

其中，x_i为第i个网络性能指标所有的指标值，x_ij为第i个网络性能指标在所述预定时间段内的第j个时间点的指标值，所述待检测网络共n个网络性能指标，所述预定时间段内共m个时间点，m和n均为大于或等于1的整数，且i为1到n之间的整数，j为1到m之间的整数。