[发明专利]建立决策树的方法及装置、网络性能优化方法及装置

说明书

技术领域

本发明涉及网络性能优化技术领域，尤其涉及一种建立决策树的方法及装置、网络性能优化方法及装置。

背景技术

无线网络是一个动态变化的网络，话务密度分布不均，频率资源紧张，且网络配置长期处于不断的变化之中。近年来，无线网络的规模不断扩大，如何能够在有限的资源和超大的网络规模的情况下有力地保障无线网络的服务质量，这对无线网络的维护和性能优化工作提出了巨大挑战。

通用的无线网络性能优化方法主要为：对正式投入运行的无线网络进行数据采集、数据分析，找出影响无线网络性能的原因，并且通过数据调等使无线网络到达最佳运行状态。

在进行网络性能优化时，可以由工作人员依靠自己的经验，人工地对繁杂的网络数据进行及时的分析和对比得出网络性能优化方案，在这种方法中，通常对单一类型的无线参数的参数数据进行分析，例如，首先统计某一类话务量，然后根据统计出的话务量进行网络性能优化，再例如，先根据路测数据统计网络覆盖情况，然后对网络性能进行相应分析和调整。然而，无线网络中的无线参数的数据规模很大，这种方法对大规模数据的分析能力相对较弱。

对此现有技术提出，在进行网络性能优化时，可以采用数据挖掘方法对无线网络中的无线参数的参数数据进行大规模的数据分析，现有的对网络性能进行优化时采用的数据挖掘方法主要包含下述五种，分别为：

第一种，基于神经网络和模糊逻辑的接入网络选择方法，主要利用数据挖掘中的神经网络来解决网络选择过程中候选网络未来负载变化和参数不确定性对用户性能的影响问题，需要用户根据网络适宜接入度来选择作为目标网络的候选网络，这种方法能够降低用户接入网络时的阻塞概率和服务过程中的中断概率，实现为用户选择最佳接入网络的功能。

第二种，基于聚类分析挖掘最坏小区的设计方法，主要应用聚类算法分析性能指标数据(如掉话率、话务量、接通率、拥塞率、干扰量等)，以得到最坏小区的集合。

第三种，利用回归统计预测中继话务量的回归统计研究，主要采集某时间段内的话务量数据，然后建立回归模型进行话务量预测。

第四种，基于遗传算法的自动频率优化方法，主要利用切换统计参数建立基于切换统计的干扰矩阵，利用自动频率优化引擎进行计算，也就是利用遗传算法进行挖掘，输出频率优化结果。

第五种，基于贝叶斯方法的无线传感器网络的节点失效预警方法，主要是在无线传感器网络中利用贝叶斯方法监测网络失效节点，以及对网络失效节点进行预警。

由上述内容可知，现有技术在对无线网络进行网络性能优化时，主要存在下述两个缺点：

1、现有技术需要工作人员人为干预才能达到较好的优化效果，因此使得网络性能优化的灵活性较低，且优化过程较繁琐，如基于神经网络和模糊逻辑的接入网络选择方法等；

2、现有技术通常在网络性能出现问题或收到用户投诉后，才对网络中无线参数的参数数据进行排查以优化网络性能，从而使得网络性能优化比较滞后。

发明内容

本发明实施例提供一种建立决策树的方法及装置、网络性能优化方法及装置，用以解决现有技术中网络性能优化的灵活性较低、过程较繁琐且比较滞后的问题。

本发明实施例技术方案如下：

一种建立无线参数决策树的方法，该方法包括步骤：针对无线网络中作为无线参数决策树的根节点或中间节点的各无线参数，分别获取该无线参数在预设的各统计周期内的参数数据；针对作为无线参数决策树的叶子节点的各网络性能等级，分别确定所述无线网络处于该网络性能等级时，预设的各性能参数需满足的性能数据条件；确定每个统计周期内，预设的各性能参数的性能数据；根据获取的各参数数据、确定出的各性能数据条件以及各性能数据，建立所述无线网络的无线参数决策树。

一种建立无线参数决策树的装置，包括：参数数据获取单元，用于针对无线网络中作为无线参数决策树的根节点或中间节点的各无线参数，分别获取该无线参数在预设的各统计周期内的参数数据；性能数据条件确定单元，用于针对作为无线参数决策树的叶子节点的各网络性能等级，分别确定所述无线网络处于该网络性能等级时，预设的各性能参数需满足的性能数据条件；性能数据确定单元，用于确定每个统计周期内，预设的各性能参数的性能数据；决策树建立单元，用于根据参数数据获取单元获取的各参数数据、性能数据条件确定单元确定出的各性能数据条件以及性能数据确定单元确定出的各性能数据，建立所述无线网络的无线参数决策树。