[发明专利]基于众包模式的移动Apps对无线网路资源利用的分析方法

权利要求书

1.一种基于众包模式的移动Apps对无线网路资源利用的分析方法，其特征在于，通过一个众包工具和位于服务器上的分析算法，采集移动应用APP行为指标，并对所述行为指标进行数据挖掘；在移动应用APP行为特征指标、无线网络资源及网络话务间建立映射模型，对移动应用App网络资源利用情况进行分析。

2.根据权利要求1所述的基于众包模式的移动Apps对无线网路资源利用的分析方法，其特征在于：所述映射模型为两层因果关系映射模型，通过选取相关的指标作为特征项及其回归依据，在移动应用App和网络话务之间建立一种可量化的映射。

3.根据权利要求2所述的基于众包模式的移动Apps对无线网路资源利用的分析方法，其特征在于，所述两层因果关系映射模型具体为，设计基于随机森林决策树的相似矩阵辅助选择算法，选择与网络话务指标高度相关的移动应用APP性能特征指标，并且开发基于滑动窗口的局部权重散点图平滑算法，以回归所选取的指标建立移动应用App与网络话务之间、网络话务与网络资源利用之间的两层映射，即移动应用App的行为变化可被用来对在较低层的网络话务变化进行建模，并进一步利用网络话务对网络资源进行建模。

4.根据权利要求2或3所述的基于众包模式的移动Apps对无线网路资源利用的分析方法，其特征在于，设所述相似矩阵为P,P是一个n*n的全零值矩阵，对一个树的节点，设有两个指标，分别记为f_i和f_j，然后修改矩阵中的项P_ij为加1后的取值，P_ij＝P_ij+1，该过程一直重复至所有的决策树都已生成完毕；对矩阵中的每一项取值进行规范化或量化，而每一项代表了其对应指标对的相似度。

5.根据权利要求3所述的基于众包模式的移动Apps对无线网路资源利用的分析方法，其特征在于，所述滑动窗口的局部权重散点图平滑算法具体为，把所选的指标作为特征项，并把这些特征项的取值落入相对应的窗口区间，根据各窗口的分布和局部设置情况，动态地调整窗口大小。

6.根据权利要求5所述的基于众包模式的移动Apps对无线网路资源利用的分析方法，其特征在于，在窗口被配置之后，给定一个拥有n个点、K个窗口和每个具有相同的长度(即L＝n/k)的特征项，设置一个初始窗口大小为并对所有按升序排列的测量值绘制散点图；设f(x)，(x＝1,...,n)表示散点图的功能；首先，针对每一个窗口，通过整合散点图的范围内函数取值，计算其分布密度，具体如下：

Fj=∫f-1(L*j)f-1(L*j+L)f(x)dx,(j=0,...,k-1)]]>

然后，将F＝{F₀,...,F_k-1}按升序进行排序，设B_Fmin表示F中取值最小的窗口，B_Fmed表示F中取平均值的窗口，及B_Fmax表示F中取值最大的窗口，并根据已排序完成的结果动态地计算出窗口的大小，具体如下：

win_size=0.5(1+1/i)*B100*N,(B=0,...,i)1+(B-i)100*N,(B=i+1,i+2,...,k)]]>

然后，对两层中已选特征项使用动态的LOESS回归算法，在回归之后，成功地获得到两层映射，使用移动应用App的行为特征指标信息对网络话务话务建模，并进一步利用网络话务对网络资源进行建模，即实现针对基于小区层面的移动业务App对小区网络资源利用情况进行建模。