买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学;紫金山实验室

摘要：本发明是一种基于机器学习的自动邻居关系方法，包括：第一步：收集无线通信系统关键性能指标KPI数据，并通过预处理形成数据集D；第二步：利用历史收集的KPI数据训练邻居关系分类器FDTC，第三步：将实时收集的KPI输入FDTC，进行邻居关系判断，实时收集KPI数据作为测试集，第四步：利用新收集的KPI数据更新训练FDTC，第五步：在第二步训练FDTC的基础上，采用串行增强Boosting策略集成学习FDTC，训练增强FDTC即BFDTC，第六步：在第二步训练FDTC的基础上，采用并行打包Bagging策略集成学习FDTC，训练随机森林FDTC即RF‑FDTC；相比于传统自动邻居关系方法，本方法生成的无线网络邻居关系更加精确和稳定。

主权项：1.一种基于机器学习的自动邻居关系方法，其特征在于该方法包括以下步骤：第一步：收集无线通信系统关键性能指标KPI数据，并通过预处理形成数据集D；第二步：利用历史收集的无线通信系统关键性能指标KPI数据训练邻居关系分类器FDTC，首先通过训练生成模糊决策树FDT对KPI数据进行模糊分类，使KPI数据集划分为多个各自具有特征一致性的小规模子数据集并储存在对应的FDT叶子结点位置，接着在FDT的叶子结点处利用对应的子数据集训练使用高斯核函数的支持向量机SVM进行精确分类，使邻居关系分类器FDTC根据输入的无线网络KPI数据直接判断网络邻居关系；第三步：将实时收集的无线通信系统关键性能指标KPI输入FDTC，进行邻居关系判断，实时收集网络KPI数据作为测试集，首先经过FDT判别送入对应叶子结点上的SVM分类器，接着SVM分类器直接输出邻居关系判断结果，即判断目标小区是或不是源小区的邻居小区；第四步：利用新收集的无线通信系统关键性能指标KPI数据更新训练FDTC，新收集的无线网络KPI数据集经过FDT结构分割为子数据集并储存在对应叶子结点上，计算FDTC中每一个叶子结点SVM分类器的分类精度，将分类精度低于精度阈值的叶子结点删除，即剪枝，在剪枝位置利用储存在对应叶子结点上的子数据集重新训练FDTC，即更新训练，更新训练后的FDTC可以对实时收集的无线网络KPI数据具有更好的邻居关系判断能力；第五步：在第二步训练FDTC的基础上，采用串行增强Boosting策略集成学习FDTC，训练增强FDTC即BFDTC，通过串行增强训练基分类器的方式提高对无线网络邻居关系判断的准确度；第六步：在第二步训练FDTC的基础上，采用并行打包Bagging策略集成学习FDTC，训练随机森林FDTC即RF-FDTC；设定RF-FDTC中基分类器总数为L，l表示基分类器标号，l＝1,2,...,L，通过并行训练多个基分类器的方式提高对无线网络邻居关系判断的准确度。

全文数据：

权利要求：

百度查询： 东南大学 紫金山实验室 一种基于机器学习的自动邻居关系方法