[发明专利]一种基于自我学习的无线网络故障检测方法有效
| 申请号： | 201910343031.X | 申请日： | 2019-04-26 |
| 公开（公告）号： | CN110139315B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 潘志文;陈彦;尤肖虎;刘楠 | 申请（专利权）人： | 东南大学 |
| 主分类号： | H04W24/10 | 分类号： | H04W24/10;H04W24/08;H04L12/26;H04L12/24 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 朱桢荣 |
| 地址： | 210096 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于自我学习的无线网络故障检测方法，具体如下：采集网络关键性能指标KPI记录并将其保存为数据集合；对该数据集合采用SMOTEENN方法进行不平衡处理，获得平衡后的平衡数据集；通过稀疏自编码器从无标签辅助数据集中学习基向量；将平衡后的平衡数据集表示为各基向量线性组合的形式，并在此新表示下的平衡数据集上经支持向量机SVM方法训练得到正常与故障类别的分类模型；利用已建立好的分类模型对网络实时产生的KPI数据记录进行分类，进而达到故障检测的目的。本发明更为准确且有效地检测网络故障；且自我学习的形式方便迁移，在新的网络环境下能够很快得到故障检测的模型，提升了以往方法的故障检测效率。 | ||
| 搜索关键词： | 一种 基于 自我 学习 无线网络 故障 检测 方法 | ||
【主权项】：
1.一种基于自我学习的无线网络故障检测方法，其特征在于，包括以下步骤：步骤一、采集网络关键性能指标KPI记录并将其保存为数据集合；步骤二、对该数据集合采用结合合成少数类过采样技术SMOTE和筛选最近邻ENN的SMOTEENN方法进行不平衡处理，获得平衡后的平衡数据集；步骤三、通过稀疏自编码器从无标签辅助数据集中学习基向量；步骤四、将平衡后的平衡数据集表示为各基向量线性组合的形式，并在此新表示下的平衡数据集上经支持向量机SVM方法训练得到正常与故障类别的分类模型；步骤五、利用已建立好的分类模型对网络实时产生的KPI数据记录进行分类，进而达到故障检测的目的。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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东南大学，未经东南大学许可，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/patent/201910343031.X/，转载请声明来源钻瓜专利网。
