区间划分方法、相关设备及计算机存储介质技术

本申请提供一种区间划分方法，包括：在确定有终端存在质差的情况下，获取目标根因指标对应的多个采样数据，根据所述多个采样数据确定所述多个采样数据的目标概率密度函数；根据预先指定的n个概率值和所述多个采样数据的目标概率密度函数确定n个分位数，在所述采样数据区间中确定所述n个分位数分别对应的n个位置坐标，基于所述n个位置坐标将所述采样数据区间划分出多个区间。通过对每次采集的根因指标对应的数据进行概率拟合，然后计算分位点的方法，可以实现对根因指标对应的数据自适应的划分区间，从而能够避免由于人工对同一根因指标划分固定的区域而导致的根因分析不准确，效率低下的问题。

Interval division method, related equipment and computer storage medium

【技术实现步骤摘要】
区间划分方法、相关设备及计算机存储介质
本专利技术涉及通信
，尤其涉及一种区间划分方法、相关设备及计算机存储介质。
技术介绍
随着无线网络的普及，越来越多的终端设备接入无线网络中以享受无线网络带来的便利。在某些情况下，终端设备请求接入无线网络的过程中会发生各种问题，例如通话质量差、网络卡顿等，将这些无线网络中的问题称为质差。为了保证无线网络服务质量，快速诊断出故障发生的根因是很有必要的。传统的无线网络问题根因识别方法主要基于人工模式。具体地，运维人员对获取的每种根因指标的相关数据根据经验划定多个区间范围，然后给每个区间范围分配一个评分，再根据根因指标中每个数据对应的评分，确定每个根因指标对应的最终评分，将最终评分不在正常范围内的根因指标作为终端出现质差的最终根因。但是，当前这种人工对根因指标对应的数据划分区间的方式是一种固定的划分方法，当无线网络环境随着空间和时间的发生变化时，人工划分区间的方式划分的区间范围不能跟随变化，从而会导致对根因的分析不准确。另外，根因识别中涉及到的指标数量众多，每个指标采集的数据量巨大，如果全部通过人工进行分析，会导致效率低下。
技术实现思路
本申请公开了一种区域划分方法、相关设备及计算机存储介质，能够通过对每次采集的根因指标对应的数据进行概率分布拟合，然后计算分位点的方法，可以实现对根因指标对应的数据实现自适应的划分区间，提高对质差根因分析的正确性。第一方面，本申请提供了一种区间划分方法，所述方法包括：在确定有终端存在质差的情况下，获取目标根因指标对应的多个采样数据，所述多个采样数据包括与接入点连接的多个终端的所述目标根因指标对应的数据，所述多个采样数据中的每个数据均属于采样数据区间；根据所述多个采样数据确定所述多个采样数据的目标概率密度函数；根据预先指定的n个概率值和所述多个采样数据的目标概率密度函数确定n个分位数，其中，所述n个概率值中的一个概率值对应所述n个分位数中的一个分位数，n为大于1的整数；在所述采样数据区间中确定所述n个分位数分别对应的n个位置坐标，基于所述n个位置坐标将所述采样数据区间划分出多个区间，其中，n个位置坐标的数值分别等于所述n个分位数。由于所述多个采样数据为质差终端出现质差问题前预设时间段的目标根因指标对应的数据，因此每次采集得到的所述多个采样数据均不相同，根据所述多个采样数据拟合得到的目标概率密度函数也不相同，而所述n个概率值是一定的，则两次根据相同的概率值和不同的概率密度函数计算得到的n个分位数会出现不同，进而每次对所述采样数据区间划分的区间范围也会出现不同，从而能够对根因指标对应的数据自适应的划定区间范围，从而能够避免由于人工对同一根因指标一直划分固定的区域而导致的根因分析不准确，效率低下的问题。可选地，所述目标根因指标为引起质差的多个根因指标中的任意一个，所述采样数据为在预设时间段对所述目标根因指标进行数据采集所采集到的数据；所述采样数据区间为所述目标根因指标能够取得的最小值与最大值所述确定的区间。可选地，确定所述多个采样数据的目标概率密度函数属于多种基础概率分布类型中的目标基础概率分布类型；根据所述目标基础概率分布类型以及预设对应关系，确定所述目标概率密度函数对应的目标基线类型，其中，所述目标基线类型属于多种基线类型，所述预设对应关系用于表示所述多种基础概率分布类型与所述多种基线类型的对应关系，所述多种基础概率分布类型中的每种基础概率分布类型对应所述多种基线类型中的一种基线类型，所述多种基线类型中的每种基线类型对应一种或者多种基础概率分布类型；根据所述目标基线类型将n个位置坐标中的不满足要求的位置坐标进行删除。可选地，根据所述目标基线类型将n个位置坐标中的不满足要求的位置坐标进行删除，包括：在所述目标基线类型为中间基线类型的情况下，将所述n个位置坐标中大于第一坐标的位置坐标删除，并将所述n个位置坐标中小于第二坐标的位置坐标删除，所述第一坐标和第二坐标是根据所述目标根因指标对应的历史数据计算得到的；在所述目标基线类型为左基线类型的情况下，将n个位置坐标中大于第二坐标的位置坐标删除；在所述目标基线类型为右基线类型的情况下，将n个位置坐标中小于第一坐标的位置坐标删除。可选地，所述确定所述多个采样数据的目标概率密度函数属于多种基础概率分布类型中的目标基础概率分布类型，包括：在所述目标概率密度函数和所述目标基础概率分布类型对应的基础概率密度函数之间的目标熵值为多个熵值中最小的情况下，确定所述目标概率密度函数属于所述多种基础概率分布类型中的目标基础概率分布类型；其中，所述多个熵值包括所述目标概率密度函数与所述多个基础概率分布类型中每个基础概率分布类型对应的基础概率密度函数之间的熵值。可选地，根据如下公式确定所述多个采样数据的概率密度函数和所述目标基础概率分布类型对应的基础概率密度函数之间的目标熵值：其中，Ent(f||q)表示f(x)和q(x)之间的相对熵，所述f(x)为所述多个采样数据对应的目标概率密度函数，所述q(x)为所述目标基础概率分布类型对应的基础概率密度函数，fi为将f(x)划分为多个子函数后的任意一个子函数，Ent(fi||q)表示任意一个子函数fi(x)与所述q(x)之间的相对熵，S＝{f1，f2，……，fN}表示f(x)包括的多个子函数的集合，N(S)表示所述子函数的个数。可选地，确定所述多个采样数据的目标概率密度函数与所述多个采样数据之间的评价参数，在所述评价参数的值满足预设条件的情况下，确定所述目标概率密度函数对所述多个采样数据的拟合效果满足预设要求；其中，所述评价参数包括误差平方和、均方差、均方根误差、决定系数或校正决定系数中的任意一种。第二方面，本申请实施例提供一种区间划分装置，所述装置包括：获取模块，用于在确定有终端存在质差的情况下，获取目标根因指标对应的多个采样数据，所述多个采样数据包括与接入点连接的多个终端的所述目标根因指标对应的数据，所述多个采样数据中的每个数据均属于采样数据区间；处理模块，用于根据所述多个采样数据确定所述多个采样数据的目标概率密度函数；所述处理模块，还用于根据预先指定的n个概率值和所述多个采样数据的目标概率密度函数确定n个分位数，其中，所述n个概率值中的一个概率值对应所述n个分位数中的一个分位数，n为大于1的整数；所述处理模块，还用于在所述采样数据区间中确定所述n个分位数分别对应的n个位置坐标，基于所述n个位置坐标将所述采样数据区间划分出多个区间，其中，n个位置坐标的数值分别等于所述n个分位数。可选地，所述处理模块具体用于：确定所述多个采样数据的目标概率密度函数属于多种基础概率分布类型中的目标基础概率分布类型；根据所述目标基础概率分布类型以及预设对应关系，确定所述目标概率密度函数对应的目标基线类型，其中，所述目标基线类型属于多种基线类型，所述预设对应关系用于表示所述多种基础概率本文档来自技高网...

【技术保护点】
1.一种区间划分方法，其特征在于，包括：/n在确定有终端存在质差的情况下，获取目标根因指标对应的多个采样数据，所述多个采样数据包括与接入点连接的多个终端的所述目标根因指标对应的数据，所述多个采样数据中的每个数据均属于采样数据区间；/n根据所述多个采样数据确定所述多个采样数据的目标概率密度函数；/n根据预先指定的n个概率值和所述多个采样数据的目标概率密度函数确定n个分位数，其中，所述n个概率值中的一个概率值对应所述n个分位数中的一个分位数，n为大于1的整数；/n在所述采样数据区间中确定所述n个分位数分别对应的n个位置坐标，基于所述n个位置坐标将所述采样数据区间划分出多个区间，其中，n个位置坐标的数值分别等于所述n个分位数。/n

【技术特征摘要】
1.一种区间划分方法，其特征在于，包括：
在确定有终端存在质差的情况下，获取目标根因指标对应的多个采样数据，所述多个采样数据包括与接入点连接的多个终端的所述目标根因指标对应的数据，所述多个采样数据中的每个数据均属于采样数据区间；
根据所述多个采样数据确定所述多个采样数据的目标概率密度函数；
根据预先指定的n个概率值和所述多个采样数据的目标概率密度函数确定n个分位数，其中，所述n个概率值中的一个概率值对应所述n个分位数中的一个分位数，n为大于1的整数；
在所述采样数据区间中确定所述n个分位数分别对应的n个位置坐标，基于所述n个位置坐标将所述采样数据区间划分出多个区间，其中，n个位置坐标的数值分别等于所述n个分位数。


2.根据权利要求1所述的方法，其特征在于，
所述目标根因指标为引起质差的多个根因指标中的任意一个，所述采样数据为在预设时间段对所述目标根因指标进行数据采集所采集到的数据；
所述采样数据区间为所述目标根因指标能够取得的最小值与最大值所确定的区间。


3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
确定所述多个采样数据的目标概率密度函数属于多种基础概率分布类型中的目标基础概率分布类型；
根据所述目标基础概率分布类型以及预设对应关系，确定所述目标概率密度函数对应的目标基线类型，其中，所述目标基线类型属于多种基线类型，所述预设对应关系用于表示所述多种基础概率分布类型与所述多种基线类型的对应关系，所述多种基础概率分布类型中的每种基础概率分布类型对应所述多种基线类型中的一种基线类型，所述多种基线类型中的每种基线类型对应一种或者多种基础概率分布类型；
根据所述目标基线类型将n个位置坐标中的不满足要求的位置坐标进行删除。


4.根据权利要求3所述的方法，其特征在于，根据所述目标基线类型将n个位置坐标中的不满足要求的位置坐标进行删除，包括：
在所述目标基线类型为中间基线类型的情况下，将所述n个位置坐标中大于第一坐标的位置坐标删除，并将所述n个位置坐标中小于第二坐标的位置坐标删除，所述第一坐标和第二坐标是根据所述目标根因指标对应的历史数据计算得到的；
在所述目标基线类型为左基线类型的情况下，将n个位置坐标中大于第二坐标的位置坐标删除；
在所述目标基线类型为右基线类型的情况下，将n个位置坐标中小于第一坐标的位置坐标删除。


5.根据权利要求3或4所述的方法，其特征在于，所述确定所述多个采样数据的目标概率密度函数属于多种基础概率分布类型中的目标基础概率分布类型，包括：
在所述目标概率密度函数和所述目标基础概率分布类型对应的基础概率密度函数之间的目标熵值为多个熵值中最小的情况下，确定所述目标概率密度函数属于所述多种基础概率分布类型中的目标基础概率分布类型；
其中，所述多个熵值包括所述目标概率密度函数与所述多个基础概率分布类型中每个基础概率分布类型对应的基础概率密度函数之间的熵值。


6.根据权利要求5所述的方法，其特征在于，
根据如下公式确定所述多个采样数据的目标概率密度函数和所述目标基础概率分布类型对应的基础概率密度函数之间的目标熵值：



其中，Ent(f||q)表示f(x)和q(x)之间的相对熵，所述f(x)为所述多个采样数据对应的目标概率密度函数，所述q(x)为所述目标基础概率分布类型对应的基础概率密度函数，fi为将f(x)划分为多个子函数后的任意一个子函数，Ent(fi||q)表示任意一个子函数fi(x)与所述q(x)之间的相对熵，S＝{f1，f2，……，fN}表示f(x)包括的多个子函数的集合，N(S)表示所述子函数的个数。


7.根据权利要求1至6任一权利要求所述的方法，其特征在于，所述根据预先指定的n个概率值和所述多个采样数据的目标概率密度函数确定n个分位数之前，还包括：
确定所述多个采样数据的目标概率密度函数与所述多个采样数据之间的评价参数，在所述评价参数的值满足预设条件的情况下，确定所述目标概率密度函数对所述多个采样数据的拟合效果满足预设要求；其中，所述评价参数包括误差平方和、均方差、均方根误差、决定系数或校正决定系数中的任意一种。


8.一种区间划分装置，其特征在于，所述装置包括：
获取模块，用于在确定有终端存在质差的情况下，获取目标根因指标对应的多个采样数据，所述多个采样数据包括与接入...

【专利技术属性】
技术研发人员：孙振航，吴俊，丁律，包德伟，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44