-
Patent Agency Ranking
公开(公告)号：CN109086964A
公开(公告)日：2018-12-25
申请号：CN201810711159.2
申请日：2018-07-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于随机森林的MR覆盖率影响因素判定方法，包括步骤：选取若干个影响MR覆盖率的相关维度；对维度数据进行清洗，得到清洗后的相关维度；抽取维度数据作为训练样本，剩余的维度数据作为测试样本；以清洗后的相关维度作为特征，根据训练样本来训练随机森林模型；将测试样本输入随机森林模型得到输出准确率；调整随机森林模型的参数，直至当输出准确率大于设定阈值，则将该随机森林模型作为MR覆盖率影响因素判定模型；计算每个影响MR覆盖率的相关维度的影响度；根据影响度，对若干个影响MR覆盖率的相关维度进行排序；利用MR覆盖率影响因素判定模型定位MR覆盖率的影响因素，清晰劣化根因。本方法精确度高，稳定性强。
-
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。
-
公开(公告)号：CN108563770B
公开(公告)日：2022-05-17
申请号：CN201810360670.2
申请日：2018-04-20
Applicant: 南京邮电大学
IPC: G06F16/215 , G06F16/25 , G06F16/28
Abstract: 本发明公开了一种基于场景的KPI及多维度网络数据清洗方法，首先将采集的数据导入数据结构中；对导入的数据格式进行规范化，将资源数据按场景划分，同一个场景的资源数据合并得到资源子数据，对数据值产生的冲突进行检测和处理；对多个数据源或文件的数据进行关联，对数据的冗余和模式不匹配的情况进行判断和处理；对不能直接进行数据挖掘的数据进行处理；查看各属性的缺失率，根据缺失率决定处理方式，包括丢弃和采用K‑NN回归方法填补；在数据存储模块中对原始数据进行备份并存储清洗后的数据；本发明实现了数据的有效清洗，解决数据的复杂程度高导致的无法对数据进行深入挖掘的技术问题。
-
公开(公告)号：CN108563770A
公开(公告)日：2018-09-21
申请号：CN201810360670.2
申请日：2018-04-20
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于场景的KPI及多维度网络数据清洗方法，首先将采集的数据导入数据结构中；对导入的数据格式进行规范化，将资源数据按场景划分，同一个场景的资源数据合并得到资源子数据，对数据值产生的冲突进行检测和处理；对多个数据源或文件的数据进行关联，对数据的冗余和模式不匹配的情况进行判断和处理；对不能直接进行数据挖掘的数据进行处理；查看各属性的缺失率，根据缺失率决定处理方式，包括丢弃和采用K-NN回归方法填补；在数据存储模块中对原始数据进行备份并存储清洗后的数据；本发明实现了数据的有效清洗，解决数据的复杂程度高导致的无法对数据进行深入挖掘的技术问题。
-
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。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
