[發(fā)明專利]基于集成學(xué)習(xí)和SMOTE的蜂窩網(wǎng)絡(luò)故障診斷系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710234790.3
• 申請(qǐng)日: 2017-04-07
• 公開(kāi)（公告）號(hào): CN108696379A
• 公開(kāi)（公告）日: 2018-10-23
• 發(fā)明（設(shè)計(jì)）人: 錢紅燕;孫夢(mèng)云;朱琨
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): H04L12/24
• 分類號(hào): H04L12/24;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于集成學(xué)習(xí)和SMOTE的蜂窩網(wǎng)絡(luò)故障診斷系統(tǒng)，其特征在于：

1)本系統(tǒng)是AdaBoost在蜂窩網(wǎng)絡(luò)故障診斷領(lǐng)域的首次應(yīng)用；

2)本系統(tǒng)是SMOTE首次用來(lái)處理蜂窩網(wǎng)絡(luò)環(huán)境下的不平衡數(shù)據(jù)集；

3)AdaBoost集成學(xué)習(xí)方法以決策樹(shù)樁作為基分類器；

4)將二分類算法擴(kuò)展到多分類中。

2.如權(quán)利要求1所述的基于集成學(xué)習(xí)和SMOTE的蜂窩網(wǎng)絡(luò)故障診斷系統(tǒng)，其特征在于本系統(tǒng)是AdaBoost集成學(xué)習(xí)方法在蜂窩網(wǎng)絡(luò)故障診斷領(lǐng)域的首次應(yīng)用，近幾年提出了許多蜂窩網(wǎng)絡(luò)的故障診斷方法，包括貝葉斯網(wǎng)絡(luò)、模糊算法、遺傳算法等，但是利用AdaBoost集成學(xué)習(xí)方法進(jìn)行故障診斷還是首次提出，本系統(tǒng)通過(guò)對(duì)已有歷史故障參數(shù)數(shù)據(jù)集進(jìn)行分析，使用AdaBoost集成學(xué)習(xí)方法訓(xùn)練得到一個(gè)穩(wěn)定的故障診斷系統(tǒng)，并以此系統(tǒng)為依據(jù)，將獲取到的未知故障原因的故障用例作為該系統(tǒng)的輸入，系統(tǒng)根據(jù)故障用例的相關(guān)參數(shù)對(duì)故障進(jìn)行分類，分類的結(jié)果即是故障出現(xiàn)的病因，以此達(dá)到故障診斷的目的。

3.如權(quán)利要求1所述的基基于集成學(xué)習(xí)和SMOTE的蜂窩網(wǎng)絡(luò)故障診斷系統(tǒng)，其特征在于首次采用SMOTE處理不平衡數(shù)據(jù)集，有效的提高了故障診斷的精度，降低了誤診的代價(jià)。對(duì)于數(shù)據(jù)樣本X_i，通過(guò)K-近鄰算法選出最為相近的K個(gè)鄰居數(shù)據(jù)樣本，從K個(gè)鄰居中隨機(jī)選擇個(gè)鄰居X(jué)_i，計(jì)算X_i和X_j之間的差值，然后通過(guò)以下公式獲得新的樣本數(shù)據(jù)

X_n＝X_i+rand(0，1)*(X_i-X_j)

4.如權(quán)利要求1所述的基于集成學(xué)習(xí)和SMOTE的蜂窩網(wǎng)絡(luò)故障診斷系統(tǒng)，其特征在于AdaBoost集成學(xué)習(xí)方法以決策樹(shù)樁作為基分類器。對(duì)于經(jīng)SMOTE過(guò)采樣的訓(xùn)練集，按照所屬類別數(shù)抽取出兩兩組合的子集，該子集中只有兩類樣本并且包含著兩類所有的樣本，排列組合后得到M＝n*(n-1)/2(n為類別數(shù))個(gè)子集，對(duì)于每個(gè)子集，分別應(yīng)用AdaBoost算法訓(xùn)練分類模型。

首先，對(duì)子集中的每個(gè)樣本賦予一個(gè)初始權(quán)值D₀＝(w₁，w₂，...，w_m)(m為子集中樣本數(shù))；

其次，以該子集和對(duì)應(yīng)的權(quán)重向量為基礎(chǔ)訓(xùn)練弱分類器，并計(jì)算該弱分類器的錯(cuò)誤率

同時(shí)，定義

如果某個(gè)樣本在本次訓(xùn)練的弱分類器重中被正確劃分，其權(quán)值更新為

如果某個(gè)樣本在本次訓(xùn)練的弱分類器重中被錯(cuò)誤劃分，其權(quán)值更新為

其中，為標(biāo)準(zhǔn)化因子，t為當(dāng)前迭代次數(shù)，i對(duì)應(yīng)第i個(gè)子集。上述過(guò)程重復(fù)執(zhí)行，直至迭代次數(shù)達(dá)到要求。在經(jīng)過(guò)T次迭代后，會(huì)得到一個(gè)M行T列弱分類器矩陣

其中，代表在第i個(gè)子集上進(jìn)行第j次迭代訓(xùn)練得到的基分類器。

5.如權(quán)利要求1所述的基于集成學(xué)習(xí)和SMOTE的蜂窩網(wǎng)絡(luò)故障診斷系統(tǒng)，其特征在于將原本的二分類算法擴(kuò)展到多分類中，對(duì)訓(xùn)練得到的二分類模型以投票的方式進(jìn)行整合，達(dá)到多分類的目的，用投票法將n*(n-1)/2個(gè)分類器進(jìn)行整合，得票最多的類為輸入向量所屬的類，從而將該向量對(duì)應(yīng)的用例診斷為該類病因。