[發(fā)明專利]一種采用多粒度級聯(lián)森林評估鏈路質(zhì)量的方法

有效

• 申請?zhí)枺?/td>: 201910913356.7
• 申請日: 2019-09-25
• 公開（公告）號: CN110662232B
• 公開（公告）日: 2020-06-30
• 發(fā)明（設(shè)計(jì)）人: 何慕;舒堅(jiān);劉琳嵐
• 申請（專利權(quán)）人: 南昌航空大學(xué)
• 主分類號: H04W24/02
• 分類號: H04W24/02;H04W24/06;H04W84/18;G06K9/62
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 彭琰

1.一種采用多粒度級聯(lián)森林評估鏈路質(zhì)量的方法，其特征在于，首先獲取實(shí)驗(yàn)場景下的樣本數(shù)據(jù)，然后使用步長和中心點(diǎn)優(yōu)化聚類算法劃分樣本的鏈路質(zhì)量等級；然后運(yùn)用鏈路的區(qū)域特性通過分層抽樣提取鏈路質(zhì)量數(shù)據(jù)特征，構(gòu)建貼合鏈路質(zhì)量評估的多粒度級聯(lián)森林模型；最后通過準(zhǔn)確性、穩(wěn)定性和敏捷性評價(jià)模型的性能，具體包括以下步驟：

步驟S1：設(shè)計(jì)實(shí)驗(yàn)場景模擬鏈路的多種狀態(tài)，獲取樣本數(shù)據(jù)，采用步長增加和中心點(diǎn)優(yōu)化的K-Medoids聚類算法對鏈路質(zhì)量等級進(jìn)行劃分；

步驟S2：依據(jù)鏈路的不對稱級別和信噪比劃分連通、過渡和未連通區(qū)域鏈路的樣本，將三層樣本進(jìn)行分層抽樣訓(xùn)練后得到的特征向量輸入級聯(lián)森林，構(gòu)建基于多粒度級聯(lián)森林的鏈路質(zhì)量評估模型，將鏈路質(zhì)量等級作為模型的輸出結(jié)果；

步驟S3：通過定義的準(zhǔn)確率以及自定義的穩(wěn)定性和敏捷性對模型的性能進(jìn)行評價(jià)；

其中，在步驟S1中，采用步長增加和中心點(diǎn)優(yōu)化的K-Medoids聚類算法對鏈路質(zhì)量等級進(jìn)行劃分的具體過程為：

第一步：輸入樣本集D＝{x₁,x₂,...,x_n}包含n個(gè)對象，每個(gè)對象x_i∈R^m包含m個(gè)屬性，設(shè)置劃分的鏈路質(zhì)量等級數(shù)K，設(shè)定伸縮因子λ；

第二步：計(jì)算樣本集D中每對對象之間的距離，對象x_i和對象x_j之間的距離dist(x_i,x_j)表示為

第三步：計(jì)算所有樣本與平均值之間的方差σ

其中是樣本集內(nèi)所有對象的均值，并計(jì)算對象x_i與其他所有對象之間的方差σ_i；

根據(jù)方差σ和方差σ_i的定義，定義候選中心點(diǎn)子集S_m，以排除鏈路的異常值和孤立點(diǎn)對聚類效果的影響：

S_m＝{x_i|σ_i≤λσ_i,i＝1,...,n}；

第四步：先將鏈路質(zhì)量等級劃分為兩個(gè)等級，即選出兩個(gè)初始中心點(diǎn)O＝{o₁,o₂}，假設(shè)中心點(diǎn)位于候選中心點(diǎn)子集S_m的最大密度區(qū)域，得第一個(gè)初始中心點(diǎn)o₁為與其他對象距離最小的點(diǎn)，第二個(gè)初始中心點(diǎn)o₂為S_m中與o₁距離最大的點(diǎn)，將其余對象分配在距離最近中心點(diǎn)的簇內(nèi)；

第五步：增加新的簇的數(shù)量時(shí)，在每一個(gè)簇內(nèi)選擇一個(gè)與o_j距離最遠(yuǎn)的點(diǎn)作為候選中心點(diǎn)o'_j，其中距離最遠(yuǎn)的o_j與o'_j為最佳劃分，o'_j為新的中心點(diǎn)，重新為其余對象分配到距離最近中心點(diǎn)的簇內(nèi)，重復(fù)第五步直至劃分的簇?cái)?shù)等于應(yīng)劃分的鏈路質(zhì)量等級數(shù)K時(shí)；

第六步：并計(jì)算K個(gè)簇C₁,C₂,...,C_K的總成本，為每個(gè)簇尋找新的中心點(diǎn)，使簇內(nèi)總距離最小，更新總成本，重復(fù)第六步，直至總成本不會得到更優(yōu)結(jié)果時(shí)結(jié)束；

在步驟S2中，采用多粒度級聯(lián)森林構(gòu)建鏈路質(zhì)量評估模型，具體包括：

第一步：為鏈路質(zhì)量樣本添加標(biāo)簽，將鏈路質(zhì)量各等級作為模型的分類類別，設(shè)置gcForest模型的中的隨機(jī)森林和完全隨機(jī)森林的個(gè)數(shù)，以及各森林中樹的棵數(shù)；

第二步：設(shè)定不對稱級別的閾值，根據(jù)鏈路的不對稱級別劃分出過渡區(qū)域樣本，不對稱級別較高的為過渡區(qū)域樣本φ_t；再設(shè)定SNR的閾值，在剩下的樣本中依據(jù)SNR的值劃分連通區(qū)域和未連通區(qū)域的樣本，高于SNR閾值的為連通區(qū)域樣本φ_c，低于SNR閾值的為未連通區(qū)域樣本φ_u，共得到三層樣本數(shù)據(jù)，依照各層比例隨機(jī)抽取各層中的數(shù)據(jù)特征，組成多組序列數(shù)據(jù)特征向量，經(jīng)過完全隨機(jī)森林A和隨機(jī)森林B變換輸出類別概率向量，合并所有的類別概率向量生成新的特征組成多組序列數(shù)據(jù)特征向量，經(jīng)過完全隨機(jī)森林A和隨機(jī)森林B變換輸出新的向量，合并所有向量生成新的特征；

第三步：將第二步中得到的新的特征作為輸入，輸入到級聯(lián)森林中，將每個(gè)森林生成的類向量通過K折交叉驗(yàn)證降低過擬合，經(jīng)過一層層的級聯(lián)結(jié)構(gòu)訓(xùn)練，直到這一層的結(jié)果無顯著的性能增益時(shí)停止，輸出最大類別概率的鏈路質(zhì)量等級作為最終的評估結(jié)果。

2.根據(jù)權(quán)利要求1所述的采用多粒度級聯(lián)森林評估鏈路質(zhì)量的方法，其特征在于，在步驟S3中：

準(zhǔn)確率的定義為：使用正確評估的正例樣本數(shù)除以全部評估為正例樣本數(shù)的精確率作為橫坐標(biāo)，使用正確評估的樣本數(shù)除以正例樣本總數(shù)的召回率為縱坐標(biāo)，畫出準(zhǔn)確率-召回率曲線驗(yàn)證模型的準(zhǔn)確性能；

穩(wěn)定性的定義為：評估模型抵御波動的能力，通過對無線鏈路長時(shí)間的評估，觀察評估模型是否會受到噪聲的影響隨之瞬態(tài)波動，提供穩(wěn)定的鏈路質(zhì)量估計(jì)；

敏捷性的定義為：(1)在深度學(xué)習(xí)鏈路質(zhì)量評估模型中，對于大量的鏈路質(zhì)量樣本處理時(shí)間的長短，花費(fèi)較短時(shí)間的模型敏捷性更好；(2)在相對較少的鏈路質(zhì)量樣本的情況下，快速反映鏈路質(zhì)量的同時(shí)對鏈路質(zhì)量能準(zhǔn)確評估的模型性能更佳。