[發明專利]一種基于CCA模型的網絡性能優化方法、裝置及存儲介質

在審

• 申請號: 201811485501.8
• 申請日: 2018-12-05
• 公開（公告）號: CN109660999A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 李弘;張金喜;曾曉南
• 申請（專利權）人: 廣州數銳智能科技有限公司
• 主分類號: H04W24/02
• 分類號: H04W24/02;H04W16/22
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 顏希文;麥小嬋

本發明公開了一種基于CCA模型的網絡性能優化方法、裝置及存儲介質，所述方法包括：根據設定的時間粒度和區域粒度，獲取待分析指標數據；其中，所述待分析指標數據包括指標數據序列及對應的時間序列；采用標準差標準化方法，對所述待分析指標數據進行標準化處理，得到均值為0且方差為1的指標數據；對所述指標數據進行指標組之間的典型相關關系計算，得到相關系數ρ；根據設定的篩選閾值ρ`，篩選ρ≥ρ`的指標組，并繪制趨勢圖。本發明能有效地從數據中統計出影響無線網絡性能的相關通信指標組之間的相互影響規律，為優化無線網絡質量提供了更有效的數據參考。

技術領域

本發明涉及數據挖掘技術領域，尤其涉及一種基于CCA模型的網絡性能優化方法、裝置及存儲介質。

背景技術

隨著信息技術的不斷發展，以及無線通信網絡已實現基本覆蓋，用戶對無線網絡質量要求日漸提高，市場競爭性也越來越激烈。如何對無線網絡性能進行優化，尤其是如何發現并量化網絡指標的相互影響關系，是當前通信運營商及設備供應商非常關注的問題。

目前，無線網絡性能的問題可以通過撥打測試、用戶反饋及簡單的業務手段網絡指標等分析發現。但如今，隨著數據存儲技術與數據挖掘技術的快速發展，網絡指標等歷史數據存儲量已滿足用于發掘網絡性能內部因子之間的關系，使得從數據中發現并量化無線網絡問題規律提供了有力支撐。

在對現有技術的研究和實踐中，本發明的發明人發現，傳統的無線網絡性能優化方法，主要面臨兩個問題：

1)一維或低維數據之間的相關分析過于簡單，無法發掘多維指標數據組之間的有效規律；

2)指標之間的關系通常靠人工經驗所得，無法量化相互影響結果。

發明內容

本發明所要解決的技術問題在于，提供一種基于CCA模型的網絡性能優化方法、裝置及存儲介質，能有效地從數據中統計出影響無線網絡性能的相關通信指標組之間的相互影響規律，為優化無線網絡質量提供了更有效的數據參考。

為解決上述問題，本發明的一個實施例提供一種基于CCA模型的網絡性能優化方法，包括：

根據設定的時間粒度和區域粒度，獲取待分析指標數據；其中，所述待分析指標數據包括指標數據序列及對應的時間序列；

采用標準差標準化方法，對所述待分析指標數據進行標準化處理，得到均值為0且方差為1的指標數據；

對所述指標數據進行指標組之間的典型相關關系計算，得到相關系數ρ；

根據設定的篩選閾值ρ`，篩選ρ≥ρ`的指標組，并繪制趨勢圖。

進一步地，在根據設定的時間粒度和區域粒度，獲取待分析指標數據之后，還包括：

對所述待分析指標數據進行預處理；具體的，對時間序列斷點缺失的指標數據，采用指標數據序列平均值填充。

進一步地，在對所述指標數據進行指標組之間的典型相關關系計算之前，還包括：

對兩組指標數據序列自身使用線性組合進行降維處理。

本發明的另一個實施例還提供一種基于CCA模型的網絡性能優化裝置，包括：

數據獲取模塊，用于根據設定的時間粒度和區域粒度，獲取待分析指標數據；其中，所述待分析指標數據包括指標數據序列及對應的時間序列；

標準化處理模塊，用于采用標準差標準化方法，對所述待分析指標數據進行標準化處理，得到均值為0且方差為1的指標數據；

典型相關關系計算模塊，用于對所述指標數據進行指標組之間的典型相關關系計算，得到相關系數ρ；

篩選模塊，用于根據設定的篩選閾值ρ`，篩選ρ≥ρ`的指標組，并繪制趨勢圖。