[發明專利]一種無線通信網絡特征畫像方法、設備和計算機程序產品有效
| 申請號: | 201710822414.6 | 申請日: | 2017-09-13 |
| 公開(公告)號: | CN109495920B | 公開(公告)日: | 2022-03-29 |
| 發明(設計)人: | 王磊;王西點;龍泉;湯利民;程楠;沈驁;默燕紅;方波;趙文娟;徐晶;沈金虎;張斌;王硯 | 申請(專利權)人: | 中國移動通信集團設計院有限公司;中國移動通信集團公司 |
| 主分類號: | H04W24/06 | 分類號: | H04W24/06;G06K9/62 |
| 代理公司: | 北京路浩知識產權代理有限公司 11002 | 代理人: | 王瑩;李官 |
| 地址: | 100080 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 無線通信 網絡 特征 畫像 方法 設備 計算機 程序 產品 | ||
1.一種無線通信網絡特征畫像方法,其特征在于,包括:
S1、獲取無線通信網絡的高維特征并進行向量化,得到無線通信網絡的高維度特征向量;
S2、基于訓練好的深度自編碼模型對無線通信網絡進行特征提取和特征降維;
S3、基于聚類算法對相似的無線網絡特征進行聚合,并對聚合后的無線通信網絡特征進行畫像;
其中,所述步驟S2前包括:
以高維度特征向量為輸入樣本,進行單層自編碼模型訓練,并調整單層自編碼模型中權重參數和偏置參數,使解碼輸出的重構特征向量與高維特征向量的重構誤差在設定范圍內;
以單層自編碼模型的編碼層輸出作為新輸入量,重復上述訓練過程,得到下一層的自編碼器;迭代訓練得到無線通信網絡特征的深層自編碼模型。
2.根據權利要求1所述的無線通信網絡特征畫像方法,其特征在于,還包括:
S4、基于深度自編碼模型的重構誤差對無線通信網絡的異常特征進行檢測。
3.根據權利要求2所述的無線通信網絡特征畫像方法,其特征在于,所述步驟S4具體包括:
以待檢測的原始特征樣本向量作為輸入,通過深度編碼模型進行樣本重構;
基于輸入原始特征樣本向量及重構后的重構特征向量,計算重構誤差,若重構誤差大于設定閾值,則判斷該原始特征樣本為異常特征。
4.根據權利要求1所述的無線通信網絡特征畫像方法,其特征在于,所述步驟S1具體包括:
基于無線通信網絡小區粒度或鄰區粒度的多個維度特征構造特征向量;將多個維度的特征向量進行橫向拼接,得到高維度特征向量。
5.根據權利要求1所述的無線通信網絡特征畫像方法,其特征在于,所述步驟S2前,對模型中權重參數和偏置參數進行調整具體包括:
基于解碼重構后的重構特征向量與高維特征向量,重構誤差函數,并對N組樣本的重構誤差求平均值,得到平均損失函數,求出平均損失函數最小時的權重參數和偏置參數。
6.根據權利要求1所述的無線通信網絡特征畫像方法,其特征在于,所述步驟S2中,以無線通信網絡的高維特征向量作為深層自編碼模型的輸入,以深層自編碼模型的編碼層輸出作為特征提取和特征降維的結果。
7.根據權利要求1所述的無線通信網絡特征畫像方法,其特征在于,所述步驟S3具體包括:
S31、將降維后的特征向量隨機分配到多個非空的簇中;
S32、計算每個非空簇的特征平均值,并以該平均值作為相應的簇中心;
S33、計算每個特征向量與各個簇中心的差異度距離,基于距離最近原則重新分配;
S34、重復步驟S32至S33,直至所有簇中心不再發生變化;
S35、基于不同維的特征取值區間,對相似特征的簇的意義進行描述。
8.一種無線通信網絡特征畫像設備,其特征在于,包括:
至少一個處理器;以及
與所述處理器通信連接的至少一個存儲器,其中:
所述存儲器存儲有可被所述處理器執行的程序指令,所述處理器調用所述程序指令能夠執行如權利要求1至7任一所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國移動通信集團設計院有限公司;中國移動通信集團公司,未經中國移動通信集團設計院有限公司;中國移動通信集團公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710822414.6/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種數據傳輸方法及裝置
- 下一篇:網絡穩定性狀態





