一种基于模糊分析的复杂无线通信网络运行质量评估方法

摘要

本发明公开了一种基于模糊分析的复杂无线通信网络运行质量评估方法，其特征在于从数据仓库中获取最近的数据，并进行聚类、关联分析及预测，数据挖掘得到聚类的结果数据集：根据聚类的结果数据集对所要评估的各个小区进行指标评估，通过权重层次模糊分析法得到指标权重ω，对指标评价的人员进行信度分析，到得到评价人员信度系数C，本发明提出一种基于综合权重层次模糊分析和关联变异相结合的复杂无线通信网络运行质量综合评估方法，其目的是利用模糊理论、关联变异系数等多种数据挖掘技术及无线通信网络知识，对整体区域和子区域的无线通信网络运行质量指标进行评估，为无线通信网络的优化提供决策支持。

主权项

一种基于模糊分析的复杂无线通信网络运行质量评估方法，其特征在于所述方法包括如下步骤:第①步、从数据仓库中获取最近的数据，并进行聚类、关联分析及预测，数据挖掘得到聚类的结果数据集：首先，确定评价指标因素论域，评价指标因素论域为P，它由i个因素组成，表示为：P＝(p₁,p₂,...p_i)给定评价指数V＝(v₁,v₂,...v_i)，并对应相关的评语值κ＝(κ₁,κ₂,...,κ_i)；第②步、根据聚类的结果数据集对所要评估的各个小区进行指标评估，通过权重层次模糊分析法得到指标权重ω，具体来说，首先利用0.1‑0.9的数量标度对指标因素论域中的指标的模糊度描述进行两两比较的模糊判断，得到模糊一致判断矩阵A$A=\left[\begin{array}{cccccc}{a}_{11}& a_{12}& a_{13}& a_{14}& a_{15}& \\ a_{21}& a_{22}& a_{23}& a_{24}& a_{25}& \\ a_{31}& a_{32}& a_{33}& a_{34}& a_{35}& ···\\ a_{41}& a_{42}& a_{43}& a_{44}& a_{45}& \\ a_{51}& a_{52}& a_{53}& a_{54}& a_{55}& \end{array}\right]$其中a_ij表示指标u_i与指标u_j具有模糊关系“u_i比u_j重要”的隶属度归一化后得到ω＝[ω₁,ω₂,...ω_m]^T；第③步、对指标通过关联变异系数法，得到网络各指标的关联变异权重系数λ，具体来说，从指标u_i对指标u_j的影响被看作是u_i对u_j的支持关联变异，关联变异根据指标间的关联度关系赋予每个指标一个实数值即Z值来判断指标的重要性，其算法公式如下：$Z\left(u_i\right)=(\frac{Z\left(u_1\right)}{L\left(u_{1i}\right)}+\frac{Z\left(u_2\right)}{L\left(u_{2i}\right)}+\frac{Z\left(u_3\right)}{L\left(u_{3i}\right)}+···)\beta +(1-\beta )$指标u_i的Z是由它的关联奉献得来的，每个指标奉献给u_i的Z数值的大小是由各自指标的Z值和关联变异程度决定的，L(u_ij)为指标间关联度，β是阻尼系数，I、求出各个指标关联变异实数值即Z值的均值：$\bar{Z}=\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{z}_i$及方差${\sigma }^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\Sigma }}{(z_i-\overline{z_j})}^2$II：得到各指标关联变异系数为：III：λ_i进行归一化得各评价者的关联变异权重λ为：得指标因素关联变异权重系数λ：λ＝(λ₁,λ₂,...,λ_i)；第④步、对各指标的权重ω和指标关联变异权重系数λ进行平衡，到得到各指标综合权重系数θ，具体来说，综合权重系数θ采用综合系数法进行平衡，引入平衡系数t：${\theta }_i=\frac{\partial \times {\omega }_i\times (1-t)}{\underset{i=1}{\overset{m}{\Sigma }}[{\partial }_i\times t+{\omega }_i\times (1-t)]}$其中，ω_i表示用权重层次模糊分析法来确定的指标权重，表示用关联变异系数法来确定的关联变异系数，0＜t＜1。，0＜θ_i＜1，0＜i≤n，n为指标维数。归一化后得到综合权重集：θ＝(θ₁,θ₂,...,θ_n)；第⑤步、对指标评价的人员进行信度分析，到得到评价人员信度系数C，具体来说，首先确定评价者对n项指标评价矩阵R，N个评价者对n项指标进行综合评价，则指标描述为：$R=\left[\begin{array}{cccccc}{X}_{11}& X_{12}& X_{13}& X_{14}& X_{15}& \\ X_{21}& X_{22}& X_{23}& X_{24}& X_{25}& \\ X_{31}& X_{32}& X_{33}& X_{34}& X_{35}& ···\\ X_{41}& X_{42}& X_{43}& X_{44}& X_{45}& \\ X_{51}& X_{52}& X_{53}& X_{54}& X_{55}& \end{array}\right]$确定评价者信度系数C:依据信度系数进行赋权，用二分法灰色关联分析法产生信度系数C进行修正：1)根据评价者对每个指标的评价进行排序；2)根据排序奇偶数位的不同将评价者对每个指标的评价分成两组求出打分均值3)根据信度理论得到：$C=\frac{\underset{j}{\Sigma }\underset{k}{\Sigma }{l}_{\mathrm{jk}}}{\underset{j}{\Sigma }\underset{k}{\Sigma }\frac{l_{\mathrm{jj}}+l_{\mathrm{kk}}}{2}}$其中为l_jj为X_j的离均差平方和，表示第j个评价者对某一指标i的打分与该指标的平均得分之差的平方，即为[τ₁,τ₂,...τ_i]^T，l_jk表示第j个评价者对某一指标i的打分与该指标的平均得分之间的差和第k个评价者对该项的打分与该项的平均打分之间的差的乘积，即为$(X_j-\overline{X_i})(X_k-\overline{X_i});$对信度系数进行归一化处理得到信度系数集C＝(C₁,C₂,...,C_n)；第⑥步确定评价结果：合成，无线通信网络评价模糊评价：(1)首先对接入特征、移动特性等方面内部的KPI进行模糊评价，每一个特性内部KPI模糊评价的基本模型为F_i＝(f_i1,f_i2...f_in)＝θ_iο[C_i×R_i]即：$f_{i,L}=\min \{1,\underset{i=1}{\overset{p}{\Sigma }}(e_{j,i}*r_{i,L}^j)\},(L=\mathrm{1,2},...,n)$确定评价结果对整体网络质量的模糊评价F’＝(f₁,f₂...f_n)＝θο[C×R]即：$f_{i,L}=\min \{1,\underset{i=1}{\overset{p}{\Sigma }}(e_{j,i}*r_{i,L}^j)\},(L=\mathrm{1,2},...,n).$