[发明专利]一种边缘计算下无线资源管理指标的映射模型构建方法

权利要求书

1.一种边缘计算下无线资源管理指标的映射模型构建方法，其特征在于，包括以下步骤：

获取边缘终端设备的原始社交数据；

基于改进的机器学习分类技术对所述原始社交数据进行预处理，得到处理后的社交数据，所述社交数据包括：用户个体的社交数据和用户间的社交数据；

基于关联分析及聚类分析技术对社交数据进行映射，将社交数据映射为直接反映物理层面参数的信息；

建立社交数据分布相应的数学模型并进行关联映射，获得以社交数据为变量的物理层面参数的概率分布模型，将其作为无线资源管理问题的优化目标；

对不同来源的社交数据的QoS指标分配不同的权值，进行权值论域的标准归一化处理；

对标准化的权值进行模糊化处理；

对模糊化处理后的QoS指标选择合适的隶属函数，并根据隶属度最大化原则实现去模糊化，得到模糊权重值；

根据业务需求选取QoE指标的映射函数，将得到的模糊权重值用于所述映射函数，得到QoE指标的映射权重值，作为无线资源管理指标。

2.根据权利要求1所述的边缘计算下无线资源管理指标的映射模型构建方法，其特征在于，所述基于改进的机器学习分类技术对所述原始社交数据进行预处理具体包括：

对朴素贝叶斯算法进行改进，基于改进的朴素贝叶斯算法对输入的社交数据进行分类；

利用过采样技术，基于机器学习算法KNN对数据进行均衡处理，步骤如下：

计算少数类样本之间的欧氏距离：

式中x_i，x_j分别代表少数类样本，n为少数类样本个数，n取值为1，2；

设置KNN最邻近的K值为5，从上述式子所得的欧式距离集合表中选取5个最小值，从选取的5个最近邻样本中以随机方式选择样本中的10个数据值；

将原样本中的数据与这10个数据值作如下处理产生新样本值：

x_new＝x_i+rand(0,1)×dist

预处理后得到用户个体及用户间的社交数据。

3.根据权利要求1所述的边缘计算下无线资源管理指标的映射模型构建方法，其特征在于，所述基于关联分析及聚类分析技术对社交数据进行映射，将社交数据映射为直接反映物理层面参数的信息具体包括：

根据来自于用户个体及用户间的社交数据是否与物理层面参数相关联，决定相应的社交数据是否能够直接与QoS指标相转化；

对于能够转化的社交数据，基于聚类分析技术，将社交数据映射为直接反映物理层面参数的信息；

映射前社交数据构成的网络社交层面特征向量为α，映射后网络物理层面参数特征向量为β，映射前网络社交层面特征向量集合为D(α₁,α₂,...,α_K)，经过聚类分析后的特征向量集合为：

D(α_1,1,α_1,2,...,α_1,L)

D(α_2,1,α_2,2,...,α_2,M)其中L+M+N＝K

D(α_3,1,α_3,2,...,α_3,N)

......。

4.根据权利要求3所述的边缘计算下无线资源管理指标的映射模型构建方法，其特征在于，所述将社交数据映射为直接反映物理层面参数的信息具体包括：

将社交数据映射为与时间、距离、速度、位置、信号强度相关的直接反映物理层面参数的信息。