申请/专利权人：重庆大学

申请日：2019-12-31

公开（公告）日：2022-04-26

公开（公告）号：CN111065106B

主分类号：H04W16/22

分类号：H04W16/22;H04W24/02;H04W24/04

优先权：

专利状态码：有效-授权

法律状态：2022.04.26#授权;2021.07.27#实质审查的生效;2020.04.24#公开

摘要：本发明公开了移动通信网络中基于异常检测和核密度估计KDE的指标突变小区检测方法，主要步骤为：1建立历史数据序列和测试数据序列。2筛选掉全部KPI序列均正常的小区，保留异常小区。3利用基于高斯核的KDE计算异常小区差分前的异常KPI序列的异常分数，并建立异常分数矩阵A。4判断异常分数矩阵A中是否存在元素a＞α，若是，则记元素a对应的KPI为突变指标，对应小区记为指标突变小区。本发明可精确定位指标突变小区，灵活性高，鲁棒性强，性能稳定。

主权项：1.移动通信网络中基于异常检测和核密度估计KDE的指标突变小区检测方法，其特征在于，主要包括以下步骤：1获取移动通信网络所有小区KPI序列，并对每个小区的KPI序列进行数据清洗；2基于清洗后的KPI序列，建立历史数据序列和测试数据序列；3基于历史数据序列和测试数据序列，筛选掉全部KPI序列均正常的小区，保留异常小区，并记录每个小区的所有异常KPI的第一个发生异常的时间点t1st；4利用基于高斯核的KDE计算异常小区差分前的异常KPI序列的异常分数，并建立所述异常分数矩阵A；建立异常分数矩阵A的主要步骤如下：4.1以t0-t1st时间段的异常KPI序列作为KDE的训练数据集，对KDE进行训练；t0为KPI序列起始时间；4.2以t1st-t3时间段的异常KPI序列作为KDE的测试数据集，并将测试数据集输入到KDE中；t3为KPI序列终结时间；4.3利用KDE对测试数据集拟合，计算出t1st-t3时间段的每个时间点对应的异常分数值，并取对数，得到每个时间点对应的异常分数；将异常分数写入异常分数矩阵A中；5判断异常分数矩阵A中是否存在元素a＞α，若是，则记元素a对应的KPI值v为突变指标，KPI值v对应小区记为指标突变小区；α为预设的阈值。

全文数据：

权利要求：

百度查询： 重庆大学 移动通信网络中基于异常检测和核密度估计KDE的指标突变小区检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD