專(zhuān)利名稱(chēng)：一種基于boosting算法的感知無(wú)線電通信選擇方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種無(wú)線電通信技術(shù)，尤其是一種基于BOOSTING算法的感知無(wú)線電通信選擇 方法。
背景技術(shù)：
1999年，Jos印h Mitola III第一次提到"感知無(wú)線電"這個(gè)術(shù)語(yǔ)，僅僅過(guò)了4年時(shí)間， 2003年FCC就宣布授權(quán)感知無(wú)線電為頻譜共享與重用的技術(shù)，認(rèn)可其在TV頻段上的固定電話(huà) 或移動(dòng)電話(huà)的使用。感知無(wú)線電已經(jīng)成為了一個(gè)新的技術(shù)熱點(diǎn)，但理想的、智能的感知無(wú)線 電應(yīng)該是有意識(shí)的、能學(xué)習(xí)的、并且可以為了改善狀態(tài)采取措施。智能的感知無(wú)線電不僅僅 只是進(jìn)行簡(jiǎn)單的學(xué)習(xí)，它需要進(jìn)行非常復(fù)雜的學(xué)習(xí)，并具備決策的能力。
目前，感知無(wú)線電仍處在研究初期階段。如何得到一個(gè)智能的通信系統(tǒng)，仍面臨巨大的 挑戰(zhàn)。其中，感知無(wú)線電決策機(jī)是關(guān)鍵問(wèn)題，傳統(tǒng)的感知無(wú)線電決策模型主要有基于遺傳算 法與博弈論兩種。但基于遺傳算法的模型存在局限，它無(wú)法解決不可改變參數(shù)參與決策的問(wèn) 題。按照適應(yīng)率原則，可以得到期望的感知無(wú)線電染色體，但是在不同的適應(yīng)率原則要求下 ，生成的感知無(wú)線電染色體不同，這是該模型無(wú)法解決的。使用博弈論來(lái)分析一個(gè)決策規(guī)則 并預(yù)測(cè)其對(duì)設(shè)備、系統(tǒng)、環(huán)境的影響，把最初應(yīng)用在經(jīng)濟(jì)學(xué)上的理論作了擴(kuò)展，分析了相互 作用情況下的感知無(wú)線電決策機(jī)的決策問(wèn)題。但該模型也存在局限1、理想的感知無(wú)線電 應(yīng)該具備智能的特征，決策時(shí)應(yīng)該考慮多因素影響；2、當(dāng)多游戲者，多個(gè)行為并發(fā)時(shí)，這 種情況很難求解該模型的納什均衡解；3、博弈模型的現(xiàn)實(shí)應(yīng)用中會(huì)存在多個(gè)的納什均衡解 或者無(wú)納什均衡解。目前很多應(yīng)用系統(tǒng)(比如一些監(jiān)測(cè)、監(jiān)控系統(tǒng))涉及通信傳輸需求，特 別是一些涉及道路、橋梁、環(huán)境的應(yīng)用系統(tǒng)監(jiān)測(cè)(監(jiān)控)點(diǎn)往往不在主城區(qū)，信號(hào)覆蓋、信 號(hào)強(qiáng)度往往得不到保證。不同的運(yùn)營(yíng)商，覆蓋情況和信號(hào)情況是不同的；同一運(yùn)營(yíng)商，在同 一地點(diǎn)，不同的時(shí)候，覆蓋情況和信號(hào)情況也是不同的。另外對(duì)于不同的運(yùn)營(yíng)商，費(fèi)率也是 不同的，對(duì)于不同的傳輸率，優(yōu)惠也是不同。作為智能的通信系統(tǒng)，感知無(wú)線電就應(yīng)該做到 可以根據(jù)信號(hào)覆蓋、信號(hào)強(qiáng)度、傳輸數(shù)據(jù)量、采集頻率、通信費(fèi)率等情況決策、選擇最佳傳 輸通道。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題在于提供一種基于BOOSTING理論的感知無(wú)線電決策模型。利用該模型可以智能的為應(yīng)用系統(tǒng)進(jìn)行通信選擇決策。
為解決上述技術(shù)問(wèn)題，本發(fā)明的技術(shù)方案 一種基于BOOSTING算法的感知無(wú)線電通信選 擇方法。該方法將存在的多個(gè)可選的通信網(wǎng)絡(luò)作為多個(gè)可選的感知無(wú)線電，將通信網(wǎng)絡(luò)覆蓋 、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用作為感知無(wú)線電的信息，基于B00STING理論，綜合考慮應(yīng)用 系統(tǒng)傳輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用，根據(jù)實(shí)時(shí)采集到的應(yīng)用系統(tǒng) 傳輸需求和通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用數(shù)據(jù)得出智能感知決策結(jié)果，并根 據(jù)該決策結(jié)果將應(yīng)用系統(tǒng)所需的傳輸通道切換到最優(yōu)的通信網(wǎng)絡(luò)。
上述的基于BOOSTING算法的感知無(wú)線電通信選擇方法中，它是用隨機(jī)森林(Random Forest)算法作為AdaBoost. Ml算法的弱分類(lèi)器構(gòu)建AdaBoost. M1-RF多類(lèi)分類(lèi)器；用 AdaBoost.Ml-RF多類(lèi)分類(lèi)器作為感知無(wú)線電的決策算法。
前述的基于BOOSTING算法的感知無(wú)線電通信選擇方法中，它是將同一個(gè)通信網(wǎng)絡(luò)在不同 情況存在多個(gè)價(jià)格時(shí)也作為多個(gè)可選的感知無(wú)線電之一。
前述的基于BOOSTING算法的感知無(wú)線電通信選擇方法中，它是將應(yīng)用系統(tǒng)傳輸需求、通 信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量和通信網(wǎng)絡(luò)費(fèi)用等與綜合考慮上述應(yīng)用系統(tǒng)傳輸需求、通信網(wǎng)絡(luò) 覆蓋、通信網(wǎng)絡(luò)質(zhì)量和通信網(wǎng)絡(luò)費(fèi)用得出的專(zhuān)家經(jīng)驗(yàn)選擇的最優(yōu)的通信網(wǎng)絡(luò)作為感知無(wú)線電 決策算法的訓(xùn)練數(shù)據(jù)。
前述的基于BOOSTING算法的感知無(wú)線電通信選擇方法中，它是將實(shí)時(shí)采集到的應(yīng)用系統(tǒng) 傳輸需求和通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用等數(shù)據(jù)作為訓(xùn)練好的基于 AdaBoost.Ml-RF算法的感知無(wú)線電決策算法模型的輸入，得到輸出即為應(yīng)用系統(tǒng)最優(yōu)的通信 網(wǎng)絡(luò)。
本發(fā)明的有益效果與現(xiàn)有技術(shù)相比，本發(fā)明是基于Boosting理論在知道應(yīng)用系統(tǒng)數(shù)據(jù) 情況和通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用的基礎(chǔ)上為應(yīng)用系統(tǒng)進(jìn)行通信選擇選擇的方法，它用 AdaBoost作為感知無(wú)線電的決策模型，智能感知應(yīng)用需求與網(wǎng)絡(luò)情況，綜合考慮應(yīng)用系統(tǒng)傳 輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用等因素，為應(yīng)用系統(tǒng)選擇最合適的通 信網(wǎng)絡(luò)，并根據(jù)實(shí)時(shí)采集情況與智能決策結(jié)果，將應(yīng)用系統(tǒng)所需的傳輸通道切換到最優(yōu)的通 信網(wǎng)絡(luò)。通過(guò)該方法可以為相關(guān)的監(jiān)測(cè)、監(jiān)控系統(tǒng)提供通信網(wǎng)絡(luò)選擇決策，在提高可靠性的 同時(shí)減少了費(fèi)用，擴(kuò)展了感知無(wú)線電的應(yīng)用領(lǐng)域，有非常廣闊的應(yīng)用前景。


圖1是本發(fā)明的感知無(wú)線電知識(shí)庫(kù)； 圖2是本發(fā)明的通信決策流程；圖3是本發(fā)明的算法針對(duì)二類(lèi)數(shù)據(jù)的實(shí)驗(yàn)正確率； 圖4是本發(fā)明的算法針對(duì)多類(lèi)數(shù)據(jù)(6類(lèi))的實(shí)驗(yàn)正確率；
圖5是本發(fā)明的算法對(duì)比Decisionstump in AdaBoost. M1算法的R0C曲線； 圖6是本發(fā)明在橋梁健康監(jiān)測(cè)系統(tǒng)中應(yīng)用的網(wǎng)絡(luò)結(jié)構(gòu)。 下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。
具體實(shí)施例方式
實(shí)施例l?；贐OOSTING算法的感知無(wú)線電通信選擇方法。該方法是將存在的多個(gè)可選 的通信網(wǎng)絡(luò)作為多個(gè)可選的感知無(wú)線電，將通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)等用 作為感知無(wú)線電的信息，基于B00STING理論，用隨機(jī)森林(Random Forest)算法作為 AdaBoost. Ml算法的弱分類(lèi)器構(gòu)建AdaBoost. Ml-RF多類(lèi)分類(lèi)器；用AdaBoost. Ml-RF多類(lèi)分類(lèi) 器作為感知無(wú)線電的決策算法，綜合考慮應(yīng)用系統(tǒng)傳輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量 、通信網(wǎng)絡(luò)費(fèi)用等因素，根據(jù)實(shí)時(shí)采集到的應(yīng)用系統(tǒng)傳輸需求和通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì) 量、通信網(wǎng)絡(luò)費(fèi)用等數(shù)據(jù)得出智能感知決策結(jié)果，并根據(jù)該決策結(jié)果將應(yīng)用系統(tǒng)所需的傳輸 通道切換到最優(yōu)的通信網(wǎng)絡(luò)。當(dāng)同一個(gè)通信網(wǎng)絡(luò)在不同情況存在多個(gè)價(jià)格時(shí)，也可作為多個(gè) 可選的感知無(wú)線電。該方法將應(yīng)用系統(tǒng)傳輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò) 費(fèi)用與綜合考慮應(yīng)用系統(tǒng)傳輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量和通信網(wǎng)絡(luò)費(fèi)用得出的專(zhuān) 家經(jīng)驗(yàn)選擇的最優(yōu)的通信網(wǎng)絡(luò)作為感知無(wú)線電決策算法的訓(xùn)練數(shù)據(jù)，并將實(shí)時(shí)采集到的應(yīng)用 系統(tǒng)傳輸需求和通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用等數(shù)據(jù)作為訓(xùn)練好的基于 AdaBoost.Ml-RF算法的感知無(wú)線電決策算法模型的輸入，得到輸出即為應(yīng)用系統(tǒng)最優(yōu)的通信 網(wǎng)絡(luò)。
本發(fā)明的AdaBoost.Ml-RF算法如下,Enm，t; Tl，LiSetT， (.VA)(W丄 Inihalize: Z>, (/> 二 1 /〃 fbr all i'畫(huà)
/々=/w仏")T,力i'weak ,,si'g tlis。ibu"。n化-
LMti^iX select tlie jiiunber K of bees to be鄉(xiāng)eaeratHk
A vector ft is general^
Constiuct Hee - -1 using aiiy Decision Tree AJgoritlim
Eadi Ti ee casts 1 vote for tlie most popi，Jai dass at X-
The dass at X pi edieted by select — tlie ckiss with juox votes.'
Get back a hypothesis 、 X ~> !T ^
fOH: 『
s= i:a('.)-
If the set T=卜l and abojt Jocj，，
-Set /，(=一--U—te 、
n ,.、柳/A n(")二
WJiae is a飽imJizfil:ioii cnJii^iW (chosenso that Z>f+] nill (>e a (liw:
r 丄
Q^j^^ (-Y、 = nig maxlog———
， 苗"A 一
本發(fā)明中基于BOOSTING的感知無(wú)線電決策模型和AdaBoost.Ml-RF算法如下: 一、 基于BOOSTING的感知無(wú)線電決策模型在感知無(wú)線電模型中有的參數(shù)都是可改變的，比如無(wú)線電的帶寬、加密方式、調(diào)制方式 等，在也存在一些參數(shù)是無(wú)法改變的，比如無(wú)線電的費(fèi)用、所需傳輸?shù)臄?shù)量大小、應(yīng)用系統(tǒng) 的采集頻率等等，但是在實(shí)際應(yīng)用中無(wú)線電的費(fèi)用常常是無(wú)線電決策最重要的因素之一。 因?yàn)楫?dāng)我們選擇無(wú)線電時(shí)，我們總是希望降低使用費(fèi)用。類(lèi)似于無(wú)線電費(fèi)用的參數(shù)是無(wú)法改 變的，如果把無(wú)法改變的參數(shù)納入決策考慮之內(nèi)，基于遺傳算法與博弈論的感知無(wú)線電決策 模型處理這種情況沒(méi)有優(yōu)勢(shì)。本發(fā)明用B00STING理論，把可改變因素與無(wú)法改變因素一起納 入決策考慮，對(duì)感知無(wú)線電決策進(jìn)行評(píng)估，同時(shí)學(xué)習(xí)最優(yōu)的決策。具體到感知無(wú)線電通信 選擇決策，又不僅需要考慮通信網(wǎng)絡(luò)的相關(guān)信息，還要考慮應(yīng)用系統(tǒng)的相關(guān)信息。首先應(yīng)該 建立更全面的感知無(wú)線電知識(shí)庫(kù)，采集通信網(wǎng)絡(luò)信息與應(yīng)用系統(tǒng)信息，其中通信網(wǎng)絡(luò)信息應(yīng) 該考慮可改變因素與不可改變因素。如圖1所示，可改變因素包括發(fā)射功率、帶寬、信號(hào)速 率、加密方式以及調(diào)制方式等信息；無(wú)可改變因素包括某個(gè)無(wú)線電的費(fèi)用、應(yīng)用系統(tǒng)采集頻 率、所需傳輸?shù)臄?shù)據(jù)大小等信息?；贐OOSTING的感知無(wú)線電決策機(jī)，感知無(wú)線電知識(shí)庫(kù)需 要的采集信息作為決策機(jī)的輸入信息，同時(shí)感知無(wú)線電知識(shí)庫(kù)中的信息也為該決策機(jī)的訓(xùn)練 數(shù)據(jù)。如圖2，通過(guò)學(xué)習(xí)和評(píng)估，模型的輸出為綜合了所需傳輸?shù)臄?shù)據(jù)量大小、費(fèi)用、帶寬 、信號(hào)速率等因素的最優(yōu)感知無(wú)線電的決策選擇。在設(shè)計(jì)決策機(jī)模型時(shí)，應(yīng)根據(jù)需求來(lái)設(shè)計(jì) 其具體決策輸出內(nèi)容，可以把綜合考慮作出選擇的無(wú)線電作為輸出，這些模型是參考可改變 和不可變因素綜合決策得出最優(yōu)的通信選擇決策。
二、 AdaBoost. Ml-RF算法
Boosting由Freund和Schapire于1990年提出，是提高預(yù)測(cè)學(xué)習(xí)系統(tǒng)預(yù)測(cè)能力的有效工具 之一，也是組合學(xué)習(xí)中最具代表性的方法，它試圖提供一種提升任意學(xué)習(xí)算法精度的普遍方 法。1995年Freund和Schapire介紹了通過(guò)調(diào)整權(quán)重而運(yùn)作的算法AdaBoost (Adaptive Boost), AdaBoost.Ml，解決了早期Boosting算法很多實(shí)踐上的困難。
AdaBoost. Ml算法
7'Input: "、1、 )、■■■■，(、，'、)-'
諸ialize: i)丄《)=1 /川foi' all "
1. Call 、v。k leania-, providing U wi(ii (he distritnUio]i Z)f
2. Get back a hyp。(he^ " :1 — 7
If s 〉 1 /2, the sd. T= t-1 and abort loop， -Set ^ = 1
1-5 -Update A :一
A丄i (0 = ~1——Y《 *'
Wlieie Zf is a腦]]ializatioii ishnt (cliosai so山W、、ill be a dish ibution)v QutlM^ H (■、')=啤max y log丄v
其誤差上界為-
t。i
可以看出，與AdaBoost—樣，當(dāng)錯(cuò)誤率〈1/2時(shí)，AdaBoost. Ml有很好的效果。 AdaBoost. Ml與AdaBoost算法一樣，要求弱分類(lèi)器的正確率大于50%，如果在兩類(lèi)問(wèn)題時(shí)這 個(gè)要求是容易實(shí)現(xiàn)的。但是當(dāng)類(lèi)別數(shù)K增大，比較容易實(shí)現(xiàn)的是正確率大于1/K。正確率大于50%是比較難以實(shí)現(xiàn)的，相當(dāng)于當(dāng)感知無(wú)線電數(shù)量大于2時(shí)，就比較難找到適合的弱分類(lèi)器
Random Forests算法是1996年由Leo Breimans提出的，它是在決策樹(shù)分類(lèi)算法的基礎(chǔ) 上發(fā)展而來(lái)的，是機(jī)器學(xué)習(xí)最重要的算法之一。它利用了基于樣本相互獨(dú)立的隨機(jī)向量，顯 示出了很好的健壯性，可以提高分類(lèi)結(jié)果正確率，是繼神經(jīng)網(wǎng)絡(luò)、集合算法、支持向量機(jī)等 算法后又一新的、高效的機(jī)器學(xué)習(xí)算法。
Random Forests算法
1. Initially select the mimb"' c f dees to be geiieraled, e.g. K>
2. AtStepk(l
A vector ^ is ge腦'ated, & represents Samples他言a selected for cmthi|: U'ee).
UiUiig any decision tree Al.aorUhm...
4. Ead"ree casto 1 vote for the iikiM p邵uJa'claw at X,
5. TJie d;iss at X is preckcted by selecting llie cJass witli maxi腦ui votes.,
為了滿(mǎn)足AdaBoost.Ml對(duì)于弱分類(lèi)器的要求，可以把Random Forest作為AdaBoost. Ml算 法的弱分類(lèi)器，這樣既能滿(mǎn)足AdaBoost.Ml對(duì)于弱分類(lèi)器的要求，同時(shí)又可能把Random Forest算法與AdaBoost. Ml結(jié)合在一起，提高AdaBoost. Ml的性能。
為了公正的評(píng)估AdaBoost.Ml-RF算法，需要用公開(kāi)數(shù)據(jù)庫(kù)對(duì)其性能進(jìn)行評(píng)估。為了多方 面的評(píng)估AdaBoost.Ml-RF算法，需要用不同分類(lèi)數(shù)量的公開(kāi)數(shù)據(jù)對(duì)其進(jìn)行驗(yàn)證。通過(guò)采用國(guó) 際公開(kāi)的UCI數(shù)據(jù)庫(kù)中的ionosphere數(shù)據(jù)，讓AdaBoost. Ml-RF算法與最常用的多種算法進(jìn)行 對(duì)比，圖3給出了各個(gè)算法的正確率。對(duì)于兩類(lèi)問(wèn)題，AdaBoost.Ml-RF的正確率為92.88呢， 是所有算法里面最好的。對(duì)于多類(lèi)問(wèn)題，采用國(guó)際公開(kāi)的UCI數(shù)據(jù)庫(kù)中的GLASS數(shù)據(jù)(六類(lèi)數(shù) 據(jù))，讓AdaBoost.Ml-RF算法與最常用多種算法進(jìn)行對(duì)比，圖4給出了各個(gè)算法的正確率。 可以看出，對(duì)于這個(gè)六類(lèi)問(wèn)題，AdaBoost.Ml-RF的正確率為80.84。/。，也是所有算法里面最好 的。圖5是AdaBoost.M1-RF與Decisionstump in AdaBoost. M1的R0C曲線，可以看出X寸于多類(lèi) 問(wèn)題，Random Forest也大大的改善和提高了AdaBoost. Ml的性能。
從上述仿真實(shí)驗(yàn)，我們可以得出結(jié)論，AdaBoost.Ml-RF算法不僅可以作為感知無(wú)線電決 策算法，而且相比其它常用的機(jī)器學(xué)習(xí)算法，AdaBoost. M1-RF算法的性能和穩(wěn)定性是最好的三、在橋梁健康監(jiān)測(cè)系統(tǒng)的應(yīng)用
如圖6所示，通過(guò)選取一個(gè)橋梁健康監(jiān)測(cè)系統(tǒng)作為實(shí)際應(yīng)用案例來(lái)說(shuō)明該模型針對(duì)應(yīng)用 的有效性。對(duì)中國(guó)移動(dòng)提供的GPRS和SMS，以及中國(guó)電信提供的CDMA做出通信選擇。圖6是決 策時(shí)的網(wǎng)絡(luò)結(jié)構(gòu)。可以看出在感知無(wú)線電決策時(shí)，綜合考慮了各個(gè)通信業(yè)務(wù)的網(wǎng)絡(luò)情況、費(fèi) 率情況、橋梁健康監(jiān)測(cè)的采集情況(歷史數(shù)據(jù)量)、采集數(shù)據(jù)量等因素，同時(shí)對(duì)真實(shí)數(shù)據(jù)進(jìn) 行分析，模型在該應(yīng)用中的數(shù)據(jù)決策正確率為90.9091 %，正確率遠(yuǎn)高于其它算法。
本發(fā)明的實(shí)施方式不限于上述實(shí)施例，在不脫離本發(fā)明宗旨的前提下做出的各種變化均 屬于本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種基于BOOSTING算法的感知無(wú)線電通信選擇方法，其特征在于將存在的多個(gè)可選的通信網(wǎng)絡(luò)作為多個(gè)可選的感知無(wú)線電，將通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用作為感知無(wú)線電的信息，基于BOOSTING理論，綜合考慮應(yīng)用系統(tǒng)傳輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用，根據(jù)實(shí)時(shí)采集到的應(yīng)用系統(tǒng)傳輸需求和通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用數(shù)據(jù)得出智能感知決策結(jié)果，并根據(jù)該決策結(jié)果將應(yīng)用系統(tǒng)所需的傳輸通道切換到最優(yōu)的通信網(wǎng)絡(luò)。
2 根據(jù)權(quán)利要求1所述的基于B00STING算法的感知無(wú)線電通信選擇方 法，其特征在于用隨機(jī)森林算法作為AdaBoost. Ml算法的弱分類(lèi)器構(gòu)建AdaBoost. Ml-RF多 類(lèi)分類(lèi)器；用AdaBoost. M1-RF多類(lèi)分類(lèi)器作為感知無(wú)線電的決策算法。
3 根據(jù)權(quán)利要求1所述的基于B00STING算法的感知無(wú)線電通信選擇方 法，其特征在于將同一個(gè)通信網(wǎng)絡(luò)在不同情況存在多個(gè)價(jià)格時(shí)作為多個(gè)可選的感知無(wú)線電 之一。
4 根據(jù)權(quán)利要求1所述的基于B00STING算法的感知無(wú)線電通信選擇方 法，其特征在于將應(yīng)用系統(tǒng)傳輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用與綜 合考慮應(yīng)用系統(tǒng)傳輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量和通信網(wǎng)絡(luò)費(fèi)用得出的專(zhuān)家經(jīng)驗(yàn)選 擇的最優(yōu)的通信網(wǎng)絡(luò)作為感知無(wú)線電決策算法的訓(xùn)練數(shù)據(jù)。
5 根據(jù)權(quán)利要求1或2所述的基于B00STING算法的感知無(wú)線電通信選 擇方法，其特征在于將實(shí)時(shí)采集到的應(yīng)用系統(tǒng)傳輸需求和通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、 通信網(wǎng)絡(luò)費(fèi)用數(shù)據(jù)作為訓(xùn)練好的基于AdaBoost.Ml-RF算法的感知無(wú)線電決策算法模型的輸入 ，得到輸出即為應(yīng)用系統(tǒng)最優(yōu)的通信網(wǎng)絡(luò)。
全文摘要
本發(fā)明公開(kāi)了一種基于BOOSTING算法的感知無(wú)線電通信選擇方法，它將存在的多個(gè)可選的通信網(wǎng)絡(luò)作為多個(gè)可選的感知無(wú)線電，將通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用作為感知無(wú)線電的信息，基于BOOSTING理論，綜合考慮應(yīng)用系統(tǒng)傳輸需求、通信網(wǎng)絡(luò)覆蓋、通信網(wǎng)絡(luò)質(zhì)量、通信網(wǎng)絡(luò)費(fèi)用并根據(jù)實(shí)時(shí)采集到的上述數(shù)據(jù)得出智能感知決策結(jié)果，并根據(jù)該決策結(jié)果將應(yīng)用系統(tǒng)所需的傳輸通道切換到最優(yōu)的通信網(wǎng)絡(luò)。本發(fā)明可以為相關(guān)的監(jiān)測(cè)、監(jiān)控系統(tǒng)提供通信網(wǎng)絡(luò)選擇決策，在提高可靠性的同時(shí)減少了費(fèi)用，擴(kuò)展了感知無(wú)線電的應(yīng)用領(lǐng)域，有非常廣闊的應(yīng)用前景。
文檔編號(hào)H04B17/00GK101588586SQ20091030372
公開(kāi)日2009年11月25日 申請(qǐng)日期2009年6月26日 優(yōu)先權(quán)日2009年6月26日
發(fā)明者劉志杰, 張振宇, 謝曉堯 申請(qǐng)人:貴州師范大學(xué)