4.如權利要求1所述的基于深度學習的多源異構網絡接入方法，其特征在于，基于所述網絡接入需求，向所述多源異構設備中的每個第一設備匹配接入信息，包括：

根據所述第一設備的設備屬性，對所述網絡接入需求進行拆分，得到對應的子接入需求；

按照所述第一設備的設備權重大小，篩選設備權重最大的第一設備的子接入需求作為待測試接入需求，并從剩余未篩選的第一設備中隨機篩選與預設權重范圍匹配的一組測試設備；

獲取一組測試設備中每個測試設備的子接入需求，并構建得到測試需求向量；

基于所述測試需求向量對所述待測試接入需求進行預測試，判斷所述待測試接入需求是否完全獨立；

其中，n1表示測試需求向量的元素總個數；A(x_i,y_i)表示第i個測試需求元素y_i對待測試接入需求x_i中對應的接入需求元素的影響函數，且取值范圍為[0,0.2]；∝_i表示對待測試接入需求x_i的允許影響權重；max|x_i-y_i|表示獲取所有|x_i-y_i|中的最大值；Y表示預測試結果；ln表示對數函數符號；

當預測試結果小于預設閾值時，確定所述待測試接入需求完全獨立，并基于需求轉換規則，對每個第一設備的子接入需求進行需求轉換，得到對應的接入信息；

否則，獲取與所述預設權重范圍匹配的剩余組測試設備，并分別獲取每組剩余測試設備對應的測試需求向量與所述待測試接入需求的依賴關系；

獲取每組測試設備的組合權重以及以依賴關系，并提取依賴值小于預設值，且組合權重大于平均權重的第一測試設備；

對所有第一測試設備進行網絡需求分析以及同設備數量，獲取得到可參考設備的可參考需求；

基于所述可參考需求，對所述待測試需求進行優化，并基于需求轉換規則，對優化后的需求進行需求轉換，同時，還對剩余第一設備的子接入需求進行需求轉換，得到對應的接入信息。