[发明专利]基于代价敏感支持向量机的通信系统故障确定方法

权利要求书

1.一种基于代价敏感支持向量机的通信系统故障确定方法，其特征在于，该方法具体包括如下步骤：

第一步：生成网络KPI，并进行故障严重程度判断，构建支持向量机训练集；

通过仿真生成M∈N⁺(其中N⁺为正整数集合)组网络发生各种故障时网络内I∈N⁺个用户的RSRP和SINR，并将每组数据组成的集合定义为网络KPI向量，其中第m∈{1,2,...,M}个网络KPI向量为x_m＝[RSRP₁,SINR₁,...,RSRP_i,SINR_i,...,RSRP_I,SINR_I]，i∈{1，2，...，I}，其中RSRP_i和SINR_i是第i个用户的RSRP和SINR；构建支持向量机的训练集时，将x_m作为特征向量，包含2I个特征，并将第m个KPI向量对应的故障类型作为标签，组成一组训练样本；训练集总样本空间为

X＝{(x₁,actual₁),(x₂,actual₂),...,(x_m,actual_m),...,(x_M,actual_M)}，其中，

actual_m∈{1,2,3}为第m个KPI向量对应的故障类型；分为严重故障、中等故障、轻微故障；

第二步：支持向量机的训练：

S1.根据训练序列的故障严重程度和故障类型，将训练序列分为九类，用k∈{1,2,3,4,5,6,7,8,9}进行标记，

当k＝1时，表示actual_m＝1且为严重故障；

当k＝2时，表示actual_m＝1且为中等故障；

当k＝3时，表示actual_m＝1且为轻微故障；

当k＝4时，表示actual_m＝2且为严重故障；

当k＝5时，表示actual_m＝2且为中等故障；

当k＝6时，表示actual_m＝2且为轻微故障；

当k＝7时，表示actual_m＝3且为严重故障；

当k＝8时，表示actual_m＝3且为中等故障；

当k＝9时，表示actual_m＝3且为轻微故障；

多分类问题的基本思想就是将多分类任务拆解为若干个二分类问题求解，基于现有多种方法达到该目的，使用一对余策略，即将9个分类中的一个作为分类器的正例，其余均设置为反例；

S2.基于训练集对支持向量机进行训练；记w_k和b_k作为作为第k类的线性分类器和偏差系数，二分类优化问题表示如下：

其中y_m表示x_m的标签，如果x_m属于第k类，则y_m＝1，否则y_m＝-1；ξ_m＝1-y_m(w_k·x_m+b_k)表示样本x_m到第k类边界的距离，ξ＝[ξ₁，ξ₂，...，ξ_N]，V_k是第k类软间隔惩罚参数，由十折交叉验证法确定最优值，N是总样本空间X中属于第k类的训练样本数；

根据拉格朗日乘子法和Karush–Kuhn–Tucker条件，将上述二分类优化问题转换为如下优化问题：

其中α_m，β_m为拉格朗日乘子，β＝[β₁，β₂，…，β_N]；

为求解将L(w_k，b_k，ξ，α，β)分别对w_k，b_k，ξ求偏导并令其为0，可得求：

将式(3)代入到式(2)中，化简为关于α_m的单一变量优化问题，由现有Sequentialminimal optimization解法求解α_m^*；将所求得α_m^*代入式(3)求得w_k^*和b_k^*：

其中，x_t为在训练集总样本空间X中存在的一个使得α_t^*0的样本，y_t为x_t所对应的标签；

第三步：代价敏感支持向量机的代价参数寻优：

在代价敏感支持向量机中，定义代价矩阵Cost，定义严重故障的错误代价为中等故障错误代价为轻微故障错误代价为为实数集，由于故障严重程度对代价的影响，可知严重故障的错误代价大于中等故障错误代价，同样，中等故障错误代价大于轻微故障错误代价，即c₁≥c₂≥c₃，因此引入如下代价矩阵：

其中Cost(k,j)表示第k类分类为第j类的代价，k,j∈{1,2,3,4,5,6,7,8,9}，c₁,c₂,c₃由网格搜索方法根据系统性能选择最优取值组合；在此过程中，F分数被用作评估分类问题性能的指标，定义为：

其中n_{actual,predicted}表示代价敏感支持向量机将actual类判定到predicted类的样本数；

第四步：代价敏感支持向量机的分类判决

步骤4.1，收集待根因分析网络KPI；

x_new＝[RSRP_1,new,...,RSRP_i,new,...,RSRP_I,new,SINR_1,new,...,SINR_i,new,...,SINR_I,new],i∈{1，2，...，I}；其中RSRP_i,new和SINR_i,new是待根因分析网络中第i个用户的RSRP和SINR；

步骤4.2，将x_new输入训练好的支持向量机，得到输出

其中P(predictedclass＝j|x_new)表示当对x_new进行分类判断时，判断为第j类的概率，由训练好的支持向量机输出值w_j×x_new+b_j映射为概率值得到；

步骤4.3，进行根因分析判决，当且仅当：

分类器将判断为第class_predicted类；如果class_predicted∈{1,2,3}，则最终判定为EU故障；如果class_predicted∈{4,5,6}，则最终判定为ED故障；如果class_predicted∈{7,8,9}，则最终判定为ERP故障。