[发明专利]一种基于密度核心的无线信号强度异常检测方法

说明书

本发明公开了一种基于密度核心的无线信号强度异常检测方法，包括以下步骤：1对数据进行预处理；2搜索数据集的自然邻居结构；3利用数据集的自然邻居结构计算每个数据对象的自然邻居加权密度；4根据每个数据对象的自然邻居加权密度计算其离群因子和离群因子阈值；5通过离群因子和阈值提取离群点。本方法充分融合了数据对象及其自然邻居的分布情况，能够适应同时存在手机用户密集区域和稀疏区域的情况，自然邻居加权密度的计算和离群点都是利用阈值自动提取，不需要参数，能够实现自动检测无线信号的异常数据。

技术领域

本发明涉及无线信号强度异常的检测领域，具体是一种基于密度核心的无线信号强度异常检测方法。

背景技术

随着无线通信技术的发展，手机用户增长迅速，据国家统计局数据显示截至2020年，我国手机上网人数突破9.8亿。手机用户增长的同时，用户对无线信号质量的需求也越来越高，尤其是对无线信号强度的需求。如果信号强度不够，那么通信运营商就会选择合适的区域增加基站。目前通信运营商对已建基站区域信号强度异常的方法主要是通过手机用户自行反馈，或者通信运营商工作人员从信号检测软件将手机信号强度人工导出，再进行下一步分析，识别出信号强度异常的区域。这两种方法都是采用人工操作的手段，因此效率都很低。

在数据挖掘领域，从数据集中识别出异常数据对象的识别方法被称为离群检测，异常的数据对象被称为离群点。随着离群检测的研究热度的提高，越来越多的离群检测方法被提出，大致可以分为以下四类：基于统计分布的方法，基于聚类的方法，基于距离的方法和基于密度的方法。基于统计分布的方法需预先知道数据对象的概率分布，这显然增加用户有较强的相关数据分析知识；基于聚类和距离的方法需要用户根据数据对象的分布情况选择合适的参数才能得到较好的检测结果，使用成本较高；基于密度的方法是通过比较数据对象和周围数据对象的密度进行识别，如果一个数据对象比周围数据对象的密度小很多，那么这个数据对象就很可能是离群点。但现有的基于密度的离群检测算法，如LOF离群检测算法，同样需要用户设置密度计算的参数，以及离群点的个数，即存在top-n问题，这也限制了算法的应用。为此，本发明提出一种基于密度核心的无线信号强度异常检测方法，能够自动检测无线信号异常的区域。

发明内容

为了解决上述技术问题，利用数据的自然邻稳定结构的特点，提出一种基于密度核心的无线信号强度异常检测方法，并利用统计问题设置自动阈值，实现对离群点的自动提取。

为了实现上述目的，本发明采用的技术方案是，一种基于密度核心的无线信号强度异常检测方法，包括以下步骤：

步骤1，对无线信号数据进行预处理，构建可以直接用于计算的数据集。

步骤2，搜索数据集的自然邻居结构。

步骤3，利用步骤2所述自然邻居结构计算每个数据对象的自然邻居加权密度WeiDensity。

步骤4，根据每个数据对象的自然邻居加权密度计算其离群因子factor和计算离群因子阈值threshold。

步骤5，根据阈值threshold标记离群点。

进一步，步骤2所述数据集的自然邻居结构为每个数据对象的自然邻居信息。对于数据对象x_i，其自然邻居是由其它数据对象构成的一个集合，这个集合中的每个数据对象x_j与x_i都互为r近邻，其公式定义如下：

其中KNN_r(x_i)和KNN_r(x_j)分别表示数据对象x_i和x_j的r近邻，Dataset表示数据集，N表示数据量的大小。r从1开始迭代，直至每个数据对象都被搜索到自然邻居，或者没有被搜索到自然邻居的数据对象的数目不变为止。具体步骤为：

1)令r从1开始迭代；