[發明專利]一種基于決策樹算法的小區感知識別方法及裝置

在審

• 申請號: 201910921976.5
• 申請日: 2019-09-26
• 公開（公告）號: CN110598803A
• 公開（公告）日: 2019-12-20
• 發明（設計）人: 桂冠;曾駿;張凱旋;樊廣輝
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06Q10/06
• 代理公司: 32224 南京縱橫知識產權代理有限公司
• 代理人: 丁朋華

1.一種基于決策樹算法的小區感知識別方法，其特征在于，包括如下步驟：

將打過標簽的小區數據集劃分為訓練集與測試集；使用訓練集訓練決策樹模型，使用測試集對決策樹模型進行評估，得到訓練好的決策樹模型；所述打過標簽的小區數據集為對清洗過后的小區8忙時無線感知KQI數據集使用門限規則打標簽后得到的數據集；

根據待識別小區8忙時無線感知KQI數據、訓練好的決策樹模型和判定規則識別小區一天的感知好壞。

2.根據權利要求1所述的一種基于決策樹算法的小區感知識別方法，其特征在于：所述清洗過后的小區8忙時無線感知KQI數據集為將小區8忙時無線感知KQI數據集中含有缺失值的整條數據記錄進行刪除后得到的數據集。

3.根據權利要求1所述的一種基于決策樹算法的小區感知識別方法，其特征在于：所述的門限規則是指當前忙時數據記錄中有兩個及以上的指標超過設定的門限，則將該條數據記錄打上標簽1，否則打上標簽0。

4.根據權利要求3所述的一種基于決策樹算法的小區感知識別方法，其特征在于：所述的標簽1代表當前忙時小區感知差，標簽0代表當前忙時小區感知好。

5.根據權利要求1所述的一種基于決策樹算法的小區感知識別方法，其特征在于：所述的決策樹模型是基于基尼指數對無線感知KQI指標進行選擇，基尼指數的公式及解釋如下：

其中，Gini(p)表示基尼指數，K表示數據集樣本中的類別數，p_k表示樣本點屬于第k個類別的概率。

6.根據權利要求1所述的一種基于決策樹算法的小區感知識別方法，其特征在于：所述的判定規則是小區8忙時無線感知KQI數據中有大于等于預設忙時值的數據被決策樹模型識別為感知差，那么此小區當天就被判定為感知差，否則被判定為感知好。

7.一種基于決策樹算法的小區感知識別裝置，其特征在于，包括：

決策樹模型訓練模塊，用于將打過標簽的小區數據集劃分為訓練集與測試集，使用訓練集訓練決策樹模型，使用測試集對決策樹模型進行評估，得到訓練好的決策樹模型；所述打過標簽的小區數據集為對清洗過后的小區8忙時無線感知KQI數據集使用門限規則打標簽后得到的數據集；

小區感知識別模塊，用于根據待識別小區8忙時無線感知KQI數據、訓練好的決策樹模型和判定規則識別小區一天的感知好壞。

8.根據權利要求7所述的一種基于決策樹算法的小區感知識別裝置，其特征在于：所述的門限規則是指當前忙時數據記錄中有兩個及以上的指標超過設定的門限，則將該條數據記錄打上標簽1，否則打上標簽0。

9.根據權利要求7所述的一種基于決策樹算法的小區感知識別裝置，其特征在于：所述的決策樹模型是基于基尼指數對無線感知KQI指標進行選擇，基尼指數的公式及解釋如下：

其中，Gini(p)表示基尼指數，K表示數據集樣本中的類別數，p_k表示樣本點屬于第k個類別的概率。

10.根據權利要求7所述的一種基于決策樹算法的小區感知識別裝置，其特征在于：所述的判定規則是小區8忙時無線感知KQI數據中有大于等于預設忙時值的數據被決策樹模型識別為感知差，那么此小區當天就被判定為感知差，否則被判定為感知好。