[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

本發明公開一種基于決策樹算法的小區感知識別方法及系統，采集不同小區8忙時無線感知KQI數據作為數據集；對采集的小區數據進行數據清洗；對清洗過后的小區數據使用門限規則打標簽；將打過標簽的小區數據集劃分為訓練集與測試集；使用訓練集和決策樹算法訓練一個決策樹模型；使用測試集對訓練好的決策樹模型進行評估；根據小區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。本發明使用決策樹算法實現了對小區一天感知情況的識別，對制定網絡優化策略，提升小區的感知能力有著重要意義。

技術領域

本發明屬于移動通信技術領域，具體涉及一種基于決策樹算法的小區感知識別方法及裝置。

背景技術

隨著移動通信網絡的迅速發展，小區的網絡服務質量已經逐漸成為通信運營商核心競爭力的關鍵因素。小區的網絡服務質量與用戶的實際感知體驗息息相關，而用戶的實際感知體驗直接影響著用戶對運營商的滿意度和忠誠度，其中感知差的小區甚至會直接導致用戶選擇離網。因此，對于感知差的小區需要實時識別出來，以便及時地進行優化，改善其網絡服務質量，提升用戶滿意度，從而增強通信運營商在市場中的核心競爭力。

發明內容

為實現對小區的感知度進行識別這個問題，本發明提供一種基于決策樹算法的小區感知識別方法及裝置，對通信運營商制定網絡優化策略，提升小區的感知能力有重大意義。

本發明的技術方案為：一種基于決策樹算法的小區感知識別方法，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。

前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。

前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。

前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。

前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。

前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。

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。