缺失网络流量矩阵自回归模型训练以及填补方法

本发明涉及网络测量与人工智能交叉技术领域，尤其是一种缺失网络流量矩阵自回归模型训练以及填补方法。本发明采集网络流量数据，构建网络流量矩阵时间序列X，将X分割为多个长度为w的子序列；遍历所有子序列：采用不同采样频率对子序列进行采样得到多个分辨率序列，基于分辨率序列的插值序列预测下一阶段分辨率序列；在所有预测结果中计算总损失用于更新流量填充模型。本发明采用了从粗到细的自回归机制，实现了优异的少样本学习能力，克服了流量矩阵填充面临高缺失率、动态变化及未知网络环境限制的缺陷，能够同时实现高精度填补和强大泛化性。