国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于boosting算法的感知無(wú)線電通信選擇方法

      文檔序號(hào):7723964閱讀:217來(lái)源:國(guó)知局
      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)
      網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1