10.3969/j.issn.1003-3254.2020.05.038
机器学习在网络路测质差小区分析中的应用
由于LTE网络数据量庞大而且种类繁多,人工路测分析已经无法满足当今对基于路测数据质差小区检测的需求.为了提高质差小区检测的效率与正确率,机器学习逐渐在质差小区检测中得到了应用.本文针对小区数量较少的路测数据,提出了一种基于距离的四维特征的质差小区检测方法.该方法采用聚类算法和人工判断相结合的方式对路测数据进行标定,对比分析了基于距离的四维特征和传统的两维特征的提取效果,并在逻辑回归分类器、决策树分类器、支持向量机分类器和k近邻分类器这4种分类器中进行分类.实验结果表明,基于距离的四维特征比传统的二维特征更有利于质差小区检测;使用四维特征进行分类,支持向量机分类器的效果最好.
机器学习、网络优化、质差小区、特征提取、分类器
29
山东省重大科技创新工程;山东省重点研发计划
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
257-263