-
公开(公告)号：CN110493803B
公开(公告)日：2023-07-11
申请号：CN201910876134.2
申请日：2019-09-17
Applicant: 南京邮电大学
IPC: H04W24/02 , H04W24/08 , G06N20/00 , G06F18/23213
Abstract: 本发明公开了一种基于机器学习的小区场景划分方法，属于移动通信领域，包括以下过程：获取各小区8忙时无线感知KQI指标数据；将各小区数据展开为向量；对各小区向量数据进行降维；对降维后的数据进行聚类；对聚类后的数据进行可视化；将聚类后各个类别小区数据进行比较，实现对小区的场景划分。本发明利用降维和聚类算法实现了对小区场景的划分，解决了传统人为划分方法不够精细以及小区数据维度过高无法进行可视化的问题，为下一步制定精确的网络优化策略提供重要基础。
-
公开(公告)号：CN109936857B
公开(公告)日：2022-09-16
申请号：CN201910051747.2
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无线感知度智能识别方法，所述识别方法包括以下步骤：采集待测区域的无线感知度指标数据；将所述指标数据输入至自编码器神经网络中，对所述指标数据进行降维操作；对于降维后的指标数据进行聚类分析，计算其与预确定的两个有效簇中心点的距离；根据距离计算结果，将被测区域归到距离较近的一类，输出被测区域无线感知度识别结果，本发明能够根据一组待测数据有效地预测出其感知度正常与否，提高了运营商的维护效率，有利于在用户投诉之前发现问题并及时解决，提高了用户体验。
-
公开(公告)号：CN110598803A
公开(公告)日：2019-12-20
申请号：CN201910921976.5
申请日：2019-09-26
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于决策树算法的小区感知识别方法及系统，采集不同小区8忙时无线感知KQI数据作为数据集；对采集的小区数据进行数据清洗；对清洗过后的小区数据使用门限规则打标签；将打过标签的小区数据集划分为训练集与测试集；使用训练集和决策树算法训练一个决策树模型；使用测试集对训练好的决策树模型进行评估；根据小区8忙时无线感知KQI数据、训练好的决策树模型和判定规则识别小区一天的感知好坏。本发明使用决策树算法实现了对小区一天感知情况的识别，对制定网络优化策略，提升小区的感知能力有着重要意义。
-
公开(公告)号：CN110929990A
公开(公告)日：2020-03-27
申请号：CN201911044792.1
申请日：2019-10-30
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于随机森林的指标关联强度排序方法，步骤a，采集同一批小区的同一时间无线感知关键质量KQI指标数据与无线感知性能KPI指标数据；步骤b，创建同一批小区的同一时间KQI指标与KPI指标数据表；步骤c，对KPI指标进行相关性分析以及方差统计分析，去除冗余特征；步骤d，根据KQI指标的变差门限将KQI指标划分为两个区间；步骤e，将质差区间标1，质优区间标0，得到一份有标签的KPI指标数据；步骤f，用有标签的KPI指标数据训练随机森林，输出各指标在随机森林中的重要性排序。本发明提供的一种基于随机森林的指标关联强度排序方法，能够识别出与问题KQI指标关联度较强的KPI指标，并形成相应的解决方案，及时地解决感知差的问题。
-
Patent Agency Ranking
公开(公告)号：CN110493803A
公开(公告)日：2019-11-22
申请号：CN201910876134.2
申请日：2019-09-17
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于机器学习的小区场景划分方法，属于移动通信领域，包括以下过程：获取各小区8忙时无线感知KQI指标数据；将各小区数据展开为向量；对各小区向量数据进行降维；对降维后的数据进行聚类；对聚类后的数据进行可视化；将聚类后各个类别小区数据进行比较，实现对小区的场景划分。本发明利用降维和聚类算法实现了对小区场景的划分，解决了传统人为划分方法不够精细以及小区数据维度过高无法进行可视化的问题，为下一步制定精确的网络优化策略提供重要基础。
-
公开(公告)号：CN110636528A
公开(公告)日：2019-12-31
申请号：CN201910938584.X
申请日：2019-09-30
Applicant: 南京邮电大学
IPC: H04W24/02 , G06K9/62 , H04B17/309
Abstract: 本发明公开一种区域无线感知问题特征识别方法，包括以下步骤：采集区域无线感知关键质量指标KQI八忙时数据；将采集到的区域KQI指标数据进行数据清洗、空值填补，并构造一条区域一天的最差指标数据；对构造完成的数据进行异常值处理；将经过异常值处理的数据送入K-means聚类模型，输出各类别中心并将各类别中心在平行坐标系中可视化呈现；分析各类别的聚类中心数据，输出各类样本数据的问题KQI指标特征。能够不利用常规指标门限值过滤的方法进行筛选甄别，依据历史数据通过特征工程、构造数据、特征聚类进行智能分类，输出区域问题KQI指标特征，使后续质量提升服务过程中针对性地形成解决方案，在用户投诉之前发现问题并解决，改善了用户体验。
-
公开(公告)号：CN110704780A
公开(公告)日：2020-01-17
申请号：CN201910938608.1
申请日：2019-09-30
Applicant: 南京邮电大学
IPC: G06F16/958 , G06Q10/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种感知差区域精准定位方法，包括以下步骤:采集设定区域内的无线感知质量指标KQI数据；对所述无线感知质量指标KQI数据进行处理，将其分成训练集、问题集、验证集；对所述训练集进行降维，再将降维后的数据聚类成两类数据；基于所述问题集判断出聚类后的两类数据中的感知差类数据；根据感知差类数据中数据点的密度，在感知差类数据的聚类中心处画圆，位于圆内的数据点是精准定位的感知差区域，形成感知差区域模型；使用所述验证集验证所述形成感知差区域模型区域的准确率,准确率大于设定阈值，则作为最终感知差区域区域识别结果。解决了有些区域无法通过传统的关键绩效指标KPI门限过滤、KQI单指标过滤等方法进行识别的问题。
-
公开(公告)号：CN110609858A
公开(公告)日：2019-12-24
申请号：CN201910876112.6
申请日：2019-09-17
Applicant: 南京邮电大学
IPC: G06F16/2458
Abstract: 本发明公开了一种基于Apriori算法的指标关联方法，包括以下过程：采集小区的关键质量指标KQI数据和关键绩效指标KPI数据；将每个KPI离散化为一个个窗口形成窗口集；将每个KQI离散化为多个区间；使用Apriori算法挖掘KPI的窗口集中的每个窗口与KQI的区间之间的强关联规则，获得每个KPI与每个KQI的关联结果。本发明通过实现连续型指标的离散化，从而实现关联分析。
-
公开(公告)号：CN109936857A
公开(公告)日：2019-06-25
申请号：CN201910051747.2
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无线感知度智能识别方法，所述识别方法包括以下步骤：采集待测区域的无线感知度指标数据；将所述指标数据输入至自编码器神经网络中，对所述指标数据进行降维操作；对于降维后的指标数据进行聚类分析，计算其与预确定的两个有效簇中心点的距离；根据距离计算结果，将被测区域归到距离较近的一类，输出被测区域无线感知度识别结果，本发明能够根据一组待测数据有效地预测出其感知度正常与否，提高了运营商的维护效率，有利于在用户投诉之前发现问题并及时解决，提高了用户体验。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
