一种SDN架构下基于深度学习的内容流行度预测方法

摘要

本发明公开了一种SDN架构下基于深度学习的内容流行度预测方法，包括：利用SDN网络中各节点计算资源以及链路构建可重构、分布式深度学习网络，SDN网络具有SDN控制器和多个SDN交换机节点，每个SDN交换机实现若干神经元的计算功能，神经元之间通过SDN交换机的链路彼此连接；SDN网络中的各个节点实时地采集内容被请求的时空联合分布的数据并作为深度学习网络的输入，利用栈式自编码器对时空联合分布的数据进行特征学习，利用Softmax分类器对内容流行度进行预测。本发明基于SDN的可编程、全局视野集中控制的特性，实现深度学习网络的可重构，包括能够调整隐含层和每层神经元节点的数量等；所述方法对ICN的解析系统非常关键，也可帮助其中的动态路由和缓存的决策。