[发明专利]一种感知差区域精准定位方法

说明书

本发明公开一种感知差区域精准定位方法，包括以下步骤:采集设定区域内的无线感知质量指标KQI数据；对所述无线感知质量指标KQI数据进行处理，将其分成训练集、问题集、验证集；对所述训练集进行降维，再将降维后的数据聚类成两类数据；基于所述问题集判断出聚类后的两类数据中的感知差类数据；根据感知差类数据中数据点的密度，在感知差类数据的聚类中心处画圆，位于圆内的数据点是精准定位的感知差区域，形成感知差区域模型；使用所述验证集验证所述形成感知差区域模型区域的准确率,准确率大于设定阈值，则作为最终感知差区域区域识别结果。解决了有些区域无法通过传统的关键绩效指标KPI门限过滤、KQI单指标过滤等方法进行识别的问题。

技术领域

本发明属于机器学习中的无监督机器学习领域，涉及一种感知差区域精准定位的方法。

背景技术

随着5G时代的到来，流量将会爆炸式增长，提高用户的感知度将成为运营商提高自身竞争力的新手段。用户感知度是反映用户上网和通话体验的一个综合指标，由一系列子指标构成，包括页面响应成功率、页面显示平均时长、移动视频初始播放成功率、即时通信响应成功率、页面下载速率等十四项关键质量指标(KQI)，这些指标详细地反映了用户接入网络之后的实际用户体验。一直以来，运营商都是通过常规规则手段来检测用户感知度，包括关键绩效指标KPI门限过滤、KQI单指标过滤等，但是有些区域无法通过传统的关键绩效指标KPI门限过滤、KQI单指标过滤等方法进行识别。

发明内容

本发明的目的在于克服现有技术中有些区域无法通过传统的关键绩效指标(KPI)门限过滤、KQI单指标过滤等方法进行识别的不足，提供一种感知差区域精准定位的方法。

为解决现有技术问题，本发明公开了一种感知差区域精准定位方法，其特征在于，包括以下步骤：一种感知差区域精准定位方法，包括以下步骤：

采集设定区域内的无线感知质量指标KQI数据；

对所述无线感知质量指标KQI数据进行处理，将其分成训练集、问题集、验证集；

对所述训练集进行降维，再将降维后的数据聚类成两类数据；

基于所述问题集判断出聚类后的两类数据中的感知差类数据；

根据感知差类数据中数据点的密度，在感知差类数据的聚类中心处画圆，位于圆内的数据点是精准定位的感知差区域，形成感知差区域模型；

使用所述验证集验证所述形成感知差区域模型区域的准确率,准确率大于设定阈值，则作为最终感知差区域识别结果。

进一步地，所述无线感知质量指标KQI数据包括：页面响应成功率、页面响应时延、页面显示成功率、页面显示时延、页面下载速率、移动视频初始播放成功率、移动视频每分钟停顿次数、停顿时长占比、初始缓存时延、流媒体速率、即时通信响应成功率、即时通信响应时延、移动业务游戏响应成功率和移动业务游戏响应时延。

进一步地，还包括删去所述无线感知质量指标KQI数据中的冗余特征，具体为：

计算特征间的皮尔森相关系数，相关系数大于0.8时，表明两个特征间的线性相关性过强，只保留其中一个特征，计算特征的方差，去掉方差最小的两个特征。

进一步地，所述对所述无线感知质量指标KQI数据进行处理，还包括，数据缩减，具体为：将每天24小时的KQI数据缩减为8忙时无线感知质量指标KQI数据，每天只使用8、9、10、18、19、20、21和22这8个最繁忙小时的KQI数据代表一天的感知情况。

进一步地，其特征在于，所述对所述无线感知质量指标KQI数据进行处理，还包括填补空值，具体为：使用一周数据的均值对每个KQI的每周数据单独进行空值填补。