《基于机器学习的4G网络工程质量评估》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于机器学习的4G网络工程质量评估

范文

曾乐根

摘要：针对4G网络工程质量评估存在不全面、主观性过强等问题，提出了基于Adaboost机器学习的4G网络工程质量评估方法。首先根据4G网络工程质量评价体系确定评估指标，然后采用主成分分析从原始质量评估指标特征中提取有效指标特征，减少指标之间的相关性，最后通过建立基于Adaboost机器学习的4G网络工程质量评估模型，实现对4G网络工程质量的自动评估。实验结果表明，该方法具有更好的泛化性能，能够明显提高4G网络工程质量的评估准确率，对解决工程质量问题具有重要的理论价值和现实意义。

关键词：主成分分析；有效指标特征；Adaboost机器学习；4G网絡工程；质量评估

中图分类号：TP393.0 文献标识码：A 文章编号：1009-3044（2018）29-0047-03

Abstract： Considering that quality evaluation of 4G network project exists incomplete and subjective， a method based on Adaboost machine learning is proposed. Firstly， the evaluation indicators are determined according to the 4G network project quality evaluation system， then the principal component analysis is used to extract the effective from the original quality evaluation indicators characteristics， and reduce the correlation between the indicators. Finally， the model based on Adaboost machine learning is established to achieve automatic evaluation of 4G network project quality. The experimental results show that this method has better generalization performance， can significantly improve the accuracy of 4G network project quality evaluation， and has important theoretical and practical significance for solving project quality problems.

Key words： the principal component analysis；the effective indicators characteristics；Adaboost machine learning； 4G network project； quality evaluation

1 引言

随着移动互联网的发展，通信技术飞速发展，通信服务竞争环境瞬息万变，数据取代语音成为最主要的通信业务，移动通信网络进入4G 时代。 4G 网络业务成为一种新兴的通信业务，4G网络通信工程建设的质量关乎人民生命财产安全，直接影响企业投资效益及运营成本，最终影响社会经济的发展，其质量评估至关重要，对4G网络工程质量评价的研究倍受国内外专家的关注。在2010年Fisher et al.Measuring [1]提出了对工程项目质量的测评应当从其内部、外部和第三方进行，并详细介绍了三个测评实施的全部流程。2013年Pekka Kumpulainen等人 [2]提出了运用模糊聚类综合评价法分析了 3G 无线网络性能。2013年王蒙 [3]提出了采用熵值法和 BP 神经网络评判法对承载数据业务的 3G 网络性能进行评价；2013段鹏锦 [4]运用模糊综合评判的方法对工程不同项目组质量进行分析比较，得出质量最优的项目组，并关注其质量管控中各种影响质量因素的权重排列。4G 用户对网络的要求日益提高，网络技术、架构和可提供的质量指标产生了巨大变化，原有的网络工程质量评估标准和服务规范已不再适用，迫切需要构建一个客观、科学及智能化的4G 网络工程质量评价体系及其模型。本文将机器学习算法引入4G网络工程质量评估，提出一种基于机器学习的4G网络工程质量评估方法。该方法无须充足的先验知识和训练样本，实现对4G网络工程质量的自动评价，评估结果准确率高，对解决工程质量问题具有重要的理论价值和现实意义。

2 基于Adaboost的机器学习算法

Adaboost算法是机器学习十大经典算法之一，它是把若干个弱分类器综合起来得到一个效果更好的强分类器，是一种对模糊先验知识建模的方法，属于典型的模糊分类算法[5]。算法原理：首先由初始训练集训练基学习器，并根据每次训练集的分类结果及总体分类的准确率，来确定每个样本的权值，同时根据基学习器的表现改变训练样本的分布，然后用修改过权值的新数据集和调整样本分布后的样本训练下一个基学习器，依次迭代，直至基学习器数目达到预先设定的值，最后将所有训练得到的基学习器加权融合作为最后的决策分类器，它是由数个弱分类器构成，最后由这数个弱分类器来投票决定分类。Adaboost的结构如图1所示。

3 基于Adaboost机器学习的4G网络工程质量评价

3.1 4G网络工程质量有效评价指标特征提取

4G网络通信工程属于全程全网、多期建设、用户影响面大的工程，其质量具有影响因素多、质量变动大、变数多、隐蔽性大、终验局限性大及评价方法特殊等特点，对4G网络通信工程质量进行评估时，影响评估效果的指标众多，且各指标之间不可避免地存在信息冗余，需提取有效指标特征。本文利用主成分分析方法提取4G网络通信工程质量的有效指标特征，算法基本思想是通过研究变量相关系数矩阵内部结构，找出少数变量去描述多个变量的相关关系，同时最大限度地保留原有数据集的变化信息[10]。

3.2 基于Adaboost机器学习的4G网络工程质量评价

Adaboost是一种重要的机器学习方法，它是利用少数已标注样本和多数未标注样本来进行训练和分类，从而减少标注代价，同时综合优化多个精度相对较低的弱学习算法，最终训练出精度更高的强学习算法，达到提高学习机器的性能的目的。在4G网络工程质量评估中引入基于Adaboost機器学习算法，可提高其质量评估的准确率和有效性。

4G网络工程质量评估过程包括3个主要过程，首先是建立4G网络工程质量评价指标体系，然后利用主成分分析方法提取4G网络工程质量有效特征，最后利用基于Adaboost机器学习算法进行评价。

4 实验结果与分析

本文从网络运行能力、网络覆盖效果、用户体验效果和网络维护效果四个方面对4G网络工程质量进行评估，建立包括四个一级指标和十五个二级指标的4G网络工程质量指标体系能全面客观评估4G网络工程的质量。

为验证本文算法的有效性，将本文算法与层次分析法、模糊综合评价法进行对比实验。模型输入4G网络工程质量评价指标，由累计方差贡献率超过85%的主成分自动确定主成分个数，模型的输出分为优秀、良好、合格和不合格4个类别，采用基于Adaboost机器学习算法进行学习，最终得出评估结果，评价效果如图3所示。

图3实验结果表明，在三种质量评估模型中，本文提出的基于Adaboost机器学习模型评价准确率最高，高达97.8%，评估效果最好的，分别超过层次分析法和模糊综合评价法4.5%和2.7%。在实际操作中，如对所得到的评估结果有疑问，可将该样本加入训练集重新学习模型参数，以获得更为合理的4G网络工程质量效果评估模型。

5 结束语

本文采用主成分分析方法从原始4G网络工程质量指标信息中提取有效质量指标特征，将提取后的有效指标特征作为基于Adaboost机器学习模型的输入，对4G网络工程质量进行评估。该方法有效地降低了指标数据间的相关性，减少了输入数据的维数，降低了机器学习模型训练的难度，实现对4G网络工程质量的自动评估。实验结果表明，本文提出的评估方法比其他方法评估准确率更高，评估效果更好。进一步的工作是对模型进行实证分析，不断改进，将模型运用于实际的4G网络工程质量效果评估。

参考文献：

[1] Fisher et al.Measuring the impact of rework on construction cost perfbrmance[J].Journal of Construction Engineering & Management，2009，135（3）187-198

[2] Pekka Kumpulainen， Mika Sarkioja， Mikko Kylvaja et al.Analysing 3G radio network performance with fuzzy methods [J]. Neurocomputing， article in press， 2013，107（4）：49-58

[3] 王蒙.基于综合评价方法的 3G 数据业务性能评估[D].大连理工大学，2013.

[4] 段鹏锦.大型工程项目质量管理与控制方法研究[D].西南交通大学，2013.

[5] 韩进，张览. AdaBoost算法的脸谱识别系统应用设计[J]. 单片机与嵌入式系统应用， 2017， 17（8）29–32.

【通联编辑：梁书】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。