[发明专利]区间划分方法、相关设备及计算机存储介质有效
申请号: | 201811606978.7 | 申请日: | 2018-12-26 |
公开(公告)号: | CN111372271B | 公开(公告)日: | 2021-10-22 |
发明(设计)人: | 孙振航;吴俊;丁律;包德伟 | 申请(专利权)人: | 华为技术有限公司 |
主分类号: | H04W24/04 | 分类号: | H04W24/04 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;熊永强 |
地址: | 518129 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 区间 划分 方法 相关 设备 计算机 存储 介质 | ||
1.一种区间划分方法,其特征在于,包括:
在确定有终端存在质差的情况下,获取目标根因指标对应的多个采样数据,所述多个采样数据包括与接入点连接的多个终端的所述目标根因指标对应的数据,所述多个采样数据中的每个数据均属于采样数据区间;
根据所述多个采样数据确定所述多个采样数据的目标概率密度函数;
根据预先指定的n个概率值和所述多个采样数据的目标概率密度函数确定n个分位数,其中,所述n个概率值中的一个概率值对应所述n个分位数中的一个分位数,n为大于1的整数;
在所述采样数据区间中确定所述n个分位数分别对应的n个位置坐标,其中,n个位置坐标的数值分别等于所述n个分位数;根据目标基线类型将所述n个位置坐标中的不满足要求的位置坐标进行删除,得到m个目标位置坐标,所述目标基线类型是根据所述目标概率密度函数确定的;
基于所述m个目标位置坐标将所述采样数据区间划分出多个区间。
2.根据权利要求1所述的方法,其特征在于,
所述目标根因指标为引起质差的多个根因指标中的任意一个,所述采样数据为在预设时间段对所述目标根因指标进行数据采集所采集到的数据;
所述采样数据区间为所述目标根因指标能够取得的最小值与最大值所确定的区间。
3.根据权利要求1所述的方法,其特征在于,所述根据目标基线类型将所述n个位置坐标中的不满足要求的位置坐标进行删除,包括:
确定所述多个采样数据的目标概率密度函数属于多种基础概率分布类型中的目标基础概率分布类型;
根据所述目标基础概率分布类型以及预设对应关系,确定所述目标概率密度函数对应的所述目标基线类型,其中,所述目标基线类型属于多种基线类型,所述预设对应关系用于表示所述多种基础概率分布类型与所述多种基线类型的对应关系,所述多种基础概率分布类型中的每种基础概率分布类型对应所述多种基线类型中的一种基线类型,所述多种基线类型中的每种基线类型对应一种或者多种基础概率分布类型;
根据所述目标基线类型将所述n个位置坐标中的不满足要求的位置坐标进行删除。
4.根据权利要求3所述的方法,其特征在于,根据所述目标基线类型将n个位置坐标中的不满足要求的位置坐标进行删除,包括:
在所述目标基线类型为中间基线类型的情况下,将所述n个位置坐标中大于第一坐标的位置坐标删除,并将所述n个位置坐标中小于第二坐标的位置坐标删除,所述第一坐标和第二坐标是根据所述目标根因指标对应的历史数据计算得到的;
在所述目标基线类型为左基线类型的情况下,将n个位置坐标中大于第二坐标的位置坐标删除;
在所述目标基线类型为右基线类型的情况下,将n个位置坐标中小于第一坐标的位置坐标删除。
5.根据权利要求3所述的方法,其特征在于,所述确定所述多个采样数据的目标概率密度函数属于多种基础概率分布类型中的目标基础概率分布类型,包括:
在所述目标概率密度函数和所述目标基础概率分布类型对应的基础概率密度函数之间的目标熵值为多个熵值中最小的情况下,确定所述目标概率密度函数属于所述多种基础概率分布类型中的目标基础概率分布类型;
其中,所述多个熵值包括所述目标概率密度函数与所述多种基础概率分布类型中每种基础概率分布类型对应的基础概率密度函数之间的熵值。
6.根据权利要求5所述的方法,其特征在于,
根据如下公式确定所述多个采样数据的目标概率密度函数和所述目标基础概率分布类型对应的基础概率密度函数之间的目标熵值:
其中,Ent(f||q)表示f(x)和q(x)之间的相对熵,所述f(x)为所述多个采样数据对应的目标概率密度函数,所述q(x)为所述目标基础概率分布类型对应的基础概率密度函数,fi为将f(x)划分为多个子函数后的任意一个子函数,Ent(fi||q)表示任意一个子函数fi(x)与所述q(x)之间的相对熵,S={f1,f2,……,fN}表示f(x)包括的多个子函数的集合,N(S)表示所述子函数的个数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司,未经华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811606978.7/1.html,转载请声明来源钻瓜专利网。