[发明专利]基于机器学习的5G网络切片资源分配方法

权利要求书

1.基于机器学习的5G网络切片资源分配方法，其特征在于，所述方法由第一节点执行，所述方法包括：

步骤1、通过机器学习算法建立单结点决策树；

步骤2、对接入用户通过决策树模型分配网络切片。

2.根据权利要求1所述的方法，其特征在于，步骤1包括具体以下步骤：

步骤1.1、输入数据集、可用于判别的特征指标、所述特征指标的分类方式、决策树的构造阈值；

步骤1.2、建立单结点决策树，计算各项特征指标的信息增益，选取最大的信息增益对应的特征指标作为主结点；

步骤1.3、在步骤1.2中，如果某一个结点下，所有特征指标分类的信息增益都小于提前设定的构造阈值，那么视为该结点下的所有数据都分为同一类别；

步骤1.4、对所有的未被标记为某个类别的叶结点再次计算信息增益并计算最优的特征指标，重复上述步骤1.2与步骤1.3，直至所有叶结点内的数据属于同一个类别。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

步骤3、接入用户改变或用户业务需求变化时，对接入用户通过决策树模型重新分配网络切片。

4.根据权利要求1所述的方法，其特征在于，机器学习模型在训练决策树时，将信息增益作为选择结点特征的准则。

5.根据权利要求4所述的方法，其特征在于，所述信息增益可以被表示为：

g(D，A)＝H(D)-H(D|A)

其中，A表示一组数据的特征，D表示所述一组数据的分类结果，H(D)表示D的类别的信息熵，H(D|A)表示已知D的特征A后D类别的条件熵。

6.一种网络切片分配装置，其特征在于，所述装置包括：

建立模块，用于通过机器学习算法建立单结点决策树；

分配模块，用于对接入用户通过决策树模型分配网络切片。

7.一种通信系统，其特征在于，包括：第一节点和第二节点；所述第一节点为权利要求6所述的网络切片分配装置。

8.一种计算机存储介质，其特征在于，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行权利要求1至5任一所述的方法。