-
公开(公告)号：CN109495898B
公开(公告)日：2021-12-03
申请号：CN201710819350.4
申请日：2017-09-12
Applicant: 中国移动通信集团设计院有限公司 , 中国移动通信集团公司
Abstract: 本发明实施例提供一种无线网络覆盖的指标定量预测方法及设备。所述方法包括：获取无线网络的特征数据，所述特征数据包括网络结构、无线参数数据、地形地貌数据及业务分布数据；将所述特征数据输入训练好的深度学习模型，获取无线网络覆盖的指标定量预测数据。本发明实施例利用训练好的深度学习模型对无线网络的特征数据进行分析和计算，可获得网络覆盖的指标定量预测数据。本发明实施例尽可能的包含当前场景的所有细节，包括网络结构、无线参数数据、地形地貌数据及业务分布数据等，最大限度的实现当前场景的全面分析，能对优化后的指标做出准确的、定量的、符合客户感知的、及时的预测。
-
公开(公告)号：CN109495920A
公开(公告)日：2019-03-19
申请号：CN201710822414.6
申请日：2017-09-13
Applicant: 中国移动通信集团设计院有限公司 , 中国移动通信集团公司
Abstract: 本发明提供一种无线通信网络特征画像方法、设备和计算机程序产品，包括：S1、获取无线通信网络的高维特征并进行向量化，得到无线通信网络的高维度特征向量；S2、基于训练好的深度自编码模型对无线通信网络进行特征提取和特征降维；S3、基于聚类算法对相似的无线网络特征进行聚合，并对聚合后的无线通信网络特征进行画像。S4、基于深度自编码模型的重构误差对无线通信网络的异常特征进行检测。通过特征描述环节进行标签说明，实现对复杂网络特征进行画像和多层映射编码，同时，还可通过训练后的自编码模型计算出重构误差，通过误差评估机制，实现对于无线网络特殊场景特征或异常小区特征的检测和识别。
-
公开(公告)号：CN109495920B
公开(公告)日：2022-03-29
申请号：CN201710822414.6
申请日：2017-09-13
Applicant: 中国移动通信集团设计院有限公司 , 中国移动通信集团公司
Abstract: 本发明提供一种无线通信网络特征画像方法、设备和计算机程序产品，包括：S1、获取无线通信网络的高维特征并进行向量化，得到无线通信网络的高维度特征向量；S2、基于训练好的深度自编码模型对无线通信网络进行特征提取和特征降维；S3、基于聚类算法对相似的无线网络特征进行聚合，并对聚合后的无线通信网络特征进行画像。S4、基于深度自编码模型的重构误差对无线通信网络的异常特征进行检测。通过特征描述环节进行标签说明，实现对复杂网络特征进行画像和多层映射编码，同时，还可通过训练后的自编码模型计算出重构误差，通过误差评估机制，实现对于无线网络特殊场景特征或异常小区特征的检测和识别。
-
公开(公告)号：CN109495898A
公开(公告)日：2019-03-19
申请号：CN201710819350.4
申请日：2017-09-12
Applicant: 中国移动通信集团设计院有限公司 , 中国移动通信集团公司
Abstract: 本发明实施例提供一种无线网络覆盖的指标定量预测方法及设备。所述方法包括：获取无线网络的特征数据，所述特征数据包括网络结构、无线参数数据、地形地貌数据及业务分布数据；将所述特征数据输入训练好的深度学习模型，获取无线网络覆盖的指标定量预测数据。本发明实施例利用训练好的深度学习模型对无线网络的特征数据进行分析和计算，可获得网络覆盖的指标定量预测数据。本发明实施例尽可能的包含当前场景的所有细节，包括网络结构、无线参数数据、地形地貌数据及业务分布数据等，最大限度的实现当前场景的全面分析，能对优化后的指标做出准确的、定量的、符合客户感知的、及时的预测。
-
-
-
Search Results
4
records
(took 0.072 seconds)
