公开(公告)号：CN110837841A

公开(公告)日：2020-02-25

申请号：CN201810938061.0

申请日：2018-08-17

Applicant: 北京亿阳信通科技有限公司

Inventor： 张国华 ,  何峥 ,  张琪斌 ,  陈香 ,  王明

IPC: G06K9/62 ,  G06F16/2458 ,  G06Q10/06 ,  G06Q50/30

Abstract: 本发明公开一种基于随机森林的KPI劣化根因识别方法，所述方法包括：获取建立KPI劣化根因分析模型的相关基础数据，所述基础数据包含影响因素的历史数据和需要分析的KPI实际数据；选取设定比例的基础数据作为训练集，根据所述训练集训练一定数量的决策树，并由所述决策树构建所述KPI劣化根因分析模型；将剩余所述基础数据作为测试集，利用所述KPI劣化根因分析模型获得影响各KPI各影响因素的影响因子。本发明还公开一种基于随机森林的KPI劣化根因识别装置。通过本发明可以提高对影响因子识别的精度和效率。

公开(公告)号：CN110837841B

公开(公告)日：2024-05-21

申请号：CN201810938061.0

申请日：2018-08-17

Applicant: 北京亿阳信通科技有限公司

Inventor： 张国华 ,  何峥 ,  张琪斌 ,  陈香 ,  王明

IPC: G06F18/2431 ,  G06F16/2458 ,  G06Q10/0639 ,  G06Q50/50

Abstract: 本发明公开一种基于随机森林的KPI劣化根因识别方法，所述方法包括：获取建立KPI劣化根因分析模型的相关基础数据，所述基础数据包含影响因素的历史数据和需要分析的KPI实际数据；选取设定比例的基础数据作为训练集，根据所述训练集训练一定数量的决策树，并由所述决策树构建所述KPI劣化根因分析模型；将剩余所述基础数据作为测试集，利用所述KPI劣化根因分析模型获得影响各KPI各影响因素的影响因子。本发明还公开一种基于随机森林的KPI劣化根因识别装置。通过本发明可以提高对影响因子识别的精度和效率。

公开(公告)号：CN111385116B

公开(公告)日：2023-07-14

申请号：CN201811631205.4

申请日：2018-12-29

Applicant: 北京亿阳信通科技有限公司

Inventor： 张国华 ,  何峥 ,  张琪斌 ,  王明

IPC: H04L41/0631 ,  H04L41/0677 ,  G06F18/23213 ,  G06F18/26 ,  G06F18/22

Abstract: 本发明公开一种高干扰小区的多维关联特征分析方法，所述方法包括：获取高干扰小区和正常小区的特征类型网络性能参数作为样本集；以所述特征类型为维度根据无监督聚类算法对所述样本集进行聚类；采用汉明距离度量经过聚类后所述样本集中同一类别高干扰小区相对正常小区的异常维度；获取各特征类型高干扰小区相对正常小区的异常维度，将所述异常维度作为新数据集；根据关联规则分析算法对所述数据集和所述新数据集进行关联规则分析。本发明还公开一种高干扰小区的多维关联特征分析装置。通过本发明能有效对高干扰小区的多维关联特征进行分析。

公开(公告)号：CN111385116A

公开(公告)日：2020-07-07

申请号：CN201811631205.4

申请日：2018-12-29

Applicant: 北京亿阳信通科技有限公司

Inventor： 张国华 ,  何峥 ,  张琪斌 ,  王明

IPC: H04L12/24 ,  G06K9/62

Abstract: 本发明公开一种高干扰小区的多维关联特征分析方法，所述方法包括：获取高干扰小区和正常小区的特征类型网络性能参数作为样本集；以所述特征类型为维度根据无监督聚类算法对所述样本集进行聚类；采用汉明距离度量经过聚类后所述样本集中同一类别高干扰小区相对正常小区的异常维度；获取各特征类型高干扰小区相对正常小区的异常维度，将所述异常维度作为新数据集；根据关联规则分析算法对所述数据集和所述新数据集进行关联规则分析。本发明还公开一种高干扰小区的多维关联特征分析装置。通过本发明能有效对高干扰小区的多维关联特征进行分析。