[发明专利]一种数据传输方法、装置和系统

权利要求书

1.一种数据传输方法，其特征在于，包括：

通过与数据源设备建立的无线链路接收所述数据源设备发送的数据包；

收集所述无线链路中包含的与重传所述数据包相关的特征数据；

根据所述特征数据采用训练好的分类器模型判断下一时隙是否需要重传所述数据包且在判断需要重传所述数据包时直接将重传所述数据包的指示信息发送给所述数据源设备；

所述分类器模型还采用如下方式训练：

统计所述分类器模型在当前无线链路下的设定时间内正确判断重传所述数据包的正确次数以及漏听所述数据包的总次数，则实际判断准确率＝正确次数/总次数；

若所述实际判断准确率小于设定值则采用数据清洗方式对所述当前无线链路下的设定时间内的所述特征数据进行收集以形成新的训练数据集，根据所述新的训练数据集重新训练并形成新的分类器模型直至所述分类器模型的所述实际判断准确率大于所述设定值。

2.根据权利要求1所述的数据传输方法，其特征在于，所述特征数据包括信号强度、传输速率、数据传输精确性、数据包占据时隙数及链路类型中的至少一者。

3.根据权利要求1所述的数据传输方法，其特征在于，所述分类器模型采用如下方式训练：

抓取与所述数据源设备建立连接的无线链路中的所述特征数据以形成训练数据集；

基于所述训练数据集采用决策树算法建立所述分类器模型；

验证所述分类器模型的准确率，当所述分类器模型的准确率低于设定值时，则以所述分类器模型对所述训练数据集的判断准确率为目标函数使用集成学习方法对所述分类器模型进行改进。

4.根据权利要求3所述的数据传输方法，其特征在于，采用决策树算法建立所述分类器模型包括计算所述训练数据集中的每个所述特征数据的信息增益，按照所述信息增益从大到小的顺序依次对每个所述特征数据判断是否需要重传所述数据包以形成所述分类器模型。

5.根据权利要求3所述的数据传输方法，其特征在于，所述集成学习方法包括通过所述训练数据集形成准确率低于设定值的多个弱分类器模型，将多个所述弱分类器模型进行权重分配后再进行线性组合以形成强分类器模型。

6.根据权利要求5所述的数据传输方法，其特征在于，所述训练数据集为D，所述集成学习方法包括：

对所述训练数据集D重新定义D^b＝{(x₁,y₁),(x₂,y₂),…,(x_i,y_i)…,(x_a,y_a)}，其中x_i∈R^t，y_i∈{-1，1}，-1指代不重传，1指代重传；假设所述训练数据集D具有均匀的权值分布，所述训练数据集D的初始权值为Wⁿ＝(w₁₁,…,w_1i,…,w_1a0,对具有权值分布Wⁿ的训练数据集学习，在进行N轮迭代后共会产生n个弱分类器模型G_n(x)，下标n代表分类器模型n，

则G_n(x)在所述训练数据集D上的重传判断误差率

进一步地，G_n(x)的分类器模型权值

更新所述训练数据集D的权值分布

Wⁿ⁺¹＝(w_n+1,1,…,w_n+1,i,…,w_n+1,a)

其中，Z_n是规范化因子，

进行N次后得到n个所述弱分类器模型，使用如下公式构建所述弱分类器模型的线性组合

得到如下的最终强分类器模型