基于集成学习和SMOTE的蜂窝网络故障诊断系统技术方案

本发明专利技术公开了一种在蜂窝网络下，当网络出现故障时，如何根据已有的网络参数信息，快速地对出现的故障进行诊断，找到出错原因的方法。本发明专利技术是在网络出现故障，并且已经被探测到的情况下进行诊断。本发明专利技术通过对已有历史故障参数数据集进行分析，使用基于AdaBoost的集成学习方法训练得到一个稳定的故障诊断系统，并以此系统为依据，将获取到的未知故障原因的故障用例作为该系统的输入，系统根据故障用例的相关参数对故障进行分类，分类的结果即是故障出现的病因，以此达到故障诊断的目的。此外，系统还使用SMOTE(Synthetic minority over‑sampling technique)对训练样本进行过采样，以提高对故障用例的诊断精度。

【技术实现步骤摘要】
基于集成学习和SMOTE的蜂窝网络故障诊断系统
本专利技术公开了一种在蜂窝网络下，当网络出现故障时，如何根据已有的网络参数信息，快速地对出现的故障进行诊断，找到出错原因的方法。用于在蜂窝网络出现故障时快速找到故障原因，为故障恢复提供参考。属于蜂窝网络故障诊断领域。
技术介绍
近年来，一些对带宽要求较高的应用的激增，例如视频流和多媒体文件共享，对未来的无线蜂窝系统中的用户行为将会产生巨大影响，特别是随着无数智能于持设备的出现，用户对带宽的需求正在发生空前的增长。用户行为体现的这一趋势，给蜂窝系统的容量需求、服务质量和能源效率带来巨大压力。此外，随着各种无线接入技术的应用，例如GSM、UMTS、LTE等，多种网络结构的并存，例如宏蜂窝、毫微蜂窝以及微微蜂窝，未来的网络将会变得越来越复杂，呈现出明显的异构性。一方面，由于各种技术、服务数量、蜂窝类型的增长，网络的部署和运营变得越来越复杂；另一方面，用户不愿意为改善的网络服务付以相应比例的费用。所以，网路运营商必须面临提供高质量服务的同时减少CAPEX(capitalexpenditure，资本费用)和OPEX(operationalexpe本文档来自技高网...

【技术保护点】
1.基于集成学习和SMOTE的蜂窝网络故障诊断系统，其特征在于：1)本系统是AdaBoost在蜂窝网络故障诊断领域的首次应用；2)本系统是SMOTE首次用来处理蜂窝网络环境下的不平衡数据集；3)AdaBoost集成学习方法以决策树桩作为基分类器；4)将二分类算法扩展到多分类中。

【技术特征摘要】
1.基于集成学习和SMOTE的蜂窝网络故障诊断系统，其特征在于：1)本系统是AdaBoost在蜂窝网络故障诊断领域的首次应用；2)本系统是SMOTE首次用来处理蜂窝网络环境下的不平衡数据集；3)AdaBoost集成学习方法以决策树桩作为基分类器；4)将二分类算法扩展到多分类中。2.如权利要求1所述的基于集成学习和SMOTE的蜂窝网络故障诊断系统，其特征在于本系统是AdaBoost集成学习方法在蜂窝网络故障诊断领域的首次应用，近几年提出了许多蜂窝网络的故障诊断方法，包括贝叶斯网络、模糊算法、遗传算法等，但是利用AdaBoost集成学习方法进行故障诊断还是首次提出，本系统通过对已有历史故障参数数据集进行分析，使用AdaBoost集成学习方法训练得到一个稳定的故障诊断系统，并以此系统为依据，将获取到的未知故障原因的故障用例作为该系统的输入，系统根据故障用例的相关参数对故障进行分类，分类的结果即是故障出现的病因，以此达到故障诊断的目的。3.如权利要求1所述的基基于集成学习和SMOTE的蜂窝网络故障诊断系统，其特征在于首次采用SMOTE处理不平衡数据集，有效的提高了故障诊断的精度，降低了误诊的代价。对于数据样本Xi，通过K-近邻算法选出最为相近的K个邻居数据样本，从K个邻居中随机选择个邻居Xi，计算Xi和Xj之间的差值，然后通过以下公式获得新的样本数据Xn＝Xi+rand...

【专利技术属性】
技术研发人员：钱红燕，孙梦云，朱琨，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32