全局用户速率最优的跨层AP改进聚类方法、介质及装置

本发明涉及d2d通信场景（device-to-device，设备到设备的直接通信）用户聚类，具体而言，涉及一种全局用户速率最优的跨层ap改进聚类方法、介质及装置。

背景技术：

1、亲和力传播算法（affinity propagation，ap）是2007年由fery等人提出的，发表于science杂志中的《cluster by passion messages between data points》文章。该方法是一种基于数据点之间“消息传递”概念的聚类技术，它将数据点之间的相似性作为输入度量，然后在数据点之间交换消息，直到逐渐出现一组高质量的范例（簇头）和相应的聚类结果。ap算法常用于人脸图像聚类、识别文本中的代表性句子，以及生物种群固有结构认知等。与k-means等方法相比，ap算法的复杂度较高，但是ap算法的聚类误差平方要小得多。

2、但是由于实际聚类场景中，需要考虑用户间不同层次的特性差异，这使得原始聚类算法的聚类结果不满足实际场景。例如，在d2d通信场景的物理层中，需要考虑用户之间存在最大有效通信距离，若聚类结果大于通信距离阈值，d2d用户的通信速率将会极大降低，进而影响用户间的通信质量。在d2d通信场景的社交层中，用户之间存在社交层亲密度，社交层亲密度包含两方面的内容，一方面是一段时间内用户之间的相遇次数，另一方面是用户之间的内容请求相似度。用户间的相遇次数越大，表明用户间彼此更信赖、更亲密，成簇的概率就会越大，提升整个网络的通信速率；用户之间的内容请求相似度越高，同个簇内成员向簇头请求的内容就会越相似，用户间成簇概率也会更大，也能提升网络的通信速率。

技术实现思路

1、本发明旨在提供一种全局用户速率最优的跨层ap改进聚类方法，以在d2d通信场景中满足跨层ap聚类的条件下实现全局用户速率最优。

2、本发明提供的一种全局用户速率最优的跨层ap改进聚类方法，包括如下步骤：

3、步骤1：在社交层，根据采集到的用户行为特征获取用户和用户的内容请求相似度；

4、步骤2：在社交层，根据采集到的用户行为特征获取用户和用户的社交相似度；

5、步骤3： 在物理层，根据全球定位系统获取用户和用户当前的位置信息，通过位置信息计算出用户与用户的距离；

6、步骤 4：分别设置内容请求相似度阈值、社交相似度阈值以及通信距离阈值；根据用户的初始位置及其当前的信道状态，计算用户和用户之间的通信速率，以此构成ap算法的第一个输入矩阵；

7、步骤 5：利用内容请求相似度、社交相似度以及用户与用户的距离，线性表征ap算法的第二个输入矩阵；

8、步骤 6：将第一个输入矩阵带入ap算法中进行迭代，得到对应的迭代矩阵；

9、步骤7，将第二个输入矩阵带入ap算法中进行迭代，得到对应的迭代矩阵；

10、步骤 8：通过迭代矩阵与迭代矩阵，计算得到归属度矩阵矩阵；

11、步骤 9 ：通过迭代矩阵、迭代矩阵与归属度矩阵矩阵的相互迭代，迭代至本轮算法收敛，判断聚类结果是否满足阈值条件，将满足阈值条件的用户保存记录，将不满足条件的用户按照步骤1~步骤9再次聚类，直至算法最终收敛或迭代轮次等于最大迭代次数，届时整个通信网络获得最优通信速率。

12、进一步的，步骤1中，假设有种内容请求，用户和用户的内容请求相似度表示为：

13、

14、其中：

15、，表示用户对内容是否感兴趣，若用户对内容感兴趣，；若用户对内容不感兴趣，；依次类推；

16、，表示用户对内容是否感兴趣，若用户对内容感兴趣，；若用户对内容不感兴趣，；依次类推。

17、进一步的，步骤2中，所述用户和用户的社交相似度表示为：

18、

19、其中，表示用户和用户之间的相遇次数，为手动设置的等级，为手动设置的分段值，、、 a、 b根据实际情况设置，此处 a=1,2,3,4,5， b=1,2,3,4。

20、进一步的，步骤3中，所述位置信息为以坐标的形式表示的二维位置信息。

21、进一步的，步骤5包括：

22、先将内容请求相似度、社交相似度以及用户与用户的距离分别归一化，得到内容请求相似度归一化值、社交相似度归一化值和用户与用户的距离归一化值；

23、然后线性表征ap算法的第二个输入矩阵如下：

24、

25、其中， α为内容请求相似度归一化值的系数、 β为社交相似度归一化值的系数、 δ为用户与用户的距离归一化值的系数。

26、进一步的，步骤6中，迭代矩阵表示为：

27、

28、其中，表示迭代矩阵，表示第一个输入矩阵，表示归属度矩阵 a矩阵的第 i行中除了第 j列用户后剩余的用户，表示第一个输入矩阵的第 i行中除了第 j列用户后剩余的用户，max()表示取最大值， s. t.为约束条件，即是指公式中的表示除了第 j个用户后的剩余用户。

29、进一步的，步骤7中，迭代矩阵表示为：

30、

31、其中，表示迭代矩阵，表示第二个输入矩阵，max()表示取最大值， s. t.表示约束条件，即是指公式中的表示除了第 j个用户后的剩余用户，因此，表示归属度矩阵 a矩阵的第 i行中除了第 j列用户后剩余的用户，表示第二个输入矩阵的第 i行中除了第 j列用户后剩余的用户。

32、进一步的，步骤8中，归属度矩阵矩阵表示为：

33、

34、其中，表示归属度矩阵矩阵；表示迭代矩阵的对角线元素，表示自行设置的的系数；表示迭代矩阵的对角线元素，表示自行设置的的系数； s. t.表示约束条件，即是指公式中的表示除了第 i个用户和第 j个用户的剩余用户，因此，表示迭代矩阵的第 j列中除了第 i行用户后剩余的用户，表示自行设置的的系数；迭代矩阵的第 j列中除了第 i行用户后剩余的用户，表示自行设置的的系数；min()表示取最小值，max()表示取最大值。

35、本发明还提供一种计算机终端存储介质，存储有计算机终端可执行指令，所述计算机终端可执行指令用于执行上述的全局用户速率最优的跨层ap改进聚类方法。

36、本发明还提供一种计算装置，包括：

37、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的全局用户速率最优的跨层ap改进聚类方法。

38、综上所述，由于采用了上述技术方案，本发明的有益效果是：

39、本发明在原始ap算法的基础上改进，解决了现有ap算法在实际d2d通信场景下跨层聚类的问题，能够在d2d通信场景中满足跨层ap聚类的条件下实现全局用户速率最优，并且相比原始ap算法提高了性能。