[發明專利]一種基于監督學習評估終端VoLTE視頻通話感知方法在審
| 申請號： | 201910620618.0 | 申請日： | 2019-07-10 |
| 公開（公告）號： | CN110365970A | 公開（公告）日： | 2019-10-22 |
| 發明（設計）人： | 蕭振濤 | 申請（專利權）人： | 廣州瀚信通信科技股份有限公司 |
| 主分類號： | H04N17/00 | 分類號： | H04N17/00;H04N7/14 |
| 代理公司： | 廣州粵高專利商標代理有限公司 44102 | 代理人： | 張金福 |
| 地址： | 510650 廣東省廣州市天河區元崗橫路37號4203*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 感知 評分數據 神經網絡模型 特征數據 通話 終端 降維處理 視頻通話 學習評估 清洗 輸入神經網絡 特征值數據 感知結果 關鍵特征 評估測試 神經網絡 輸出終端 特征提取 網絡環境 硬件參數 準確度 構建 降維 收斂 采集 監督 智能 評估 | ||
1.一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，包括以下步驟：
S1：采集不同終端在相同網絡環境下的通話感知評分數據，所述通話感知評分數據由測試者通過進行通話測試得到；
S2：對獲取的通話感知評分數據依次進行清洗、降維；
S3：對降維處理后通話感知評分數據進行特征提取得到特征數據集；
S4：構建神經網絡模型，將特征數據集輸入神經網絡模型進行訓練得到收斂的神經網絡模型；
S5：將待評估終端的硬件參數特征值數據輸入訓練完畢的神經網絡模型，輸出終端的評估感知結果。
2.根據權利要求1所述的一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，步驟S1中通話感知評分包括五個等級，所述五個等級的分數分別記為：5、4、3、2、1，其中5表示最高等級的分數，1表示最低等級的分數。
3.根據權利要求1所述的一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，每一種終端通話感知評分數據包括若干條通話感知評分，所述若干條通話感知評分通過若干測試者在同一次通話測試中得到。
4.根據權利要求3所述的一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，步驟S2中對獲取的通話感知評分數據進行清洗具體過程為：將每一種終端的通話感知評分數據包括的若干條通話感知評分進行平均處理，將平均處理后的通話感知評分數據作為對應終端的通話感知評分。
5.根據權利要求1所述的一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，步驟S2中采用主成分分析法進行降維處理。
6.根據權利要求1所述的一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，步驟S3中提取的特征包括：處理能力、屏幕性能、攝像頭性能。
7.根據權利要求1所述的一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，步驟S4建立的神經網絡為包含1個輸入層和1個輸出層和2個隱含層的全連接神經網，所述輸入層包括3個神經元。
8.根據權利要求1所述的一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，神經網絡模型的訓練過程如下：
步驟1：初始化神經網絡權重和設置學習率，用服從標準正太分布隨機數來設置初始權重，使用網格搜索法確定學習率，將特征數據集輸入神經網絡模型；
步驟2：進行神經網絡模型的前向傳播得到輸出值；
步驟3：設定損失函數進行神經網絡模型的前向傳播，計算損失函數關于神經網絡中各層的權重的梯度，得到梯度值后使用梯度下降的方式優化神經網絡模型的參數；
步驟4：重復步驟3、步驟4直至神經網絡模型收斂。
9.根據權利要求8所述的一種基于監督學習評估終端VoLTE視頻通話感知方法，其特征在于，步驟2的前向傳播采用Sigmoid函數作為激活函數。
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廣州瀚信通信科技股份有限公司，未經廣州瀚信通信科技股份有限公司許可，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/201910620618.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種測試方法和裝置
- 下一篇：一種自動定位最佳定焦點的測試系統及方法
