貝葉斯網絡在無線網絡故障診斷中的應用研究.pdf

1、隨著無線網絡規(guī)模的不斷擴大，網絡業(yè)務的日益增長，無線網絡優(yōu)化工作越來越復雜。另外，在無線網絡優(yōu)化中，故障現象和故障原因之間的關系本身就是復雜的、非線性的，這更給無線網絡優(yōu)化人員分析、處理和解決問題帶來很大的難度。無線網絡的故障類型多種多樣，故障之間互不相關，故障信號采集困難，難以建立故障原因與征兆之間的精確數學模型。針對這一問題，本文將貝葉斯網絡--數據挖掘的一種方法引入到無線網絡故障診斷領域中，并取得了一定的成效。 貝葉斯網絡

2、以統(tǒng)計學為基礎，是數據挖掘技術的一種方法。本質上貝葉斯網絡是一個有向無環(huán)圖，直觀地表述了多個變量之間的依賴關系，通過一個條件概率分布表來描述各個節(jié)點之間的關系密切程度。并且，貝葉斯網絡可以有效地把先驗知識和現有數據結合起來，使得網絡的推理結果更加合理。 之所以采用貝葉斯網絡來進行無線網絡故障診斷，是因為貝葉斯網絡在此方面有其突出的優(yōu)勢。第一，貝葉斯網絡方法有堅實的理論基礎；第二，貝葉斯網絡有成熟的概率推理算法；第三，貝葉斯網絡更

3、適合于表達網絡故障診斷問題；第四，貝葉斯網絡具有很強的學習能力。 本文首先描述了無線網絡故障診斷的研究現狀，指出了無線網絡優(yōu)化工作對數據挖掘方法支持的需要，并以CDMA無線網絡為例，介紹了無線網絡的主要性能評估指標、常見故障、故障指示參數以及檢測方法。其次，介紹了貝葉斯網絡的定義、規(guī)則等基本理論以及貝葉斯網絡建模、學習、推理的基本方法。然后，根據無線網絡故障因素的不確定性，提出了基于貝葉斯網絡的無線網絡診斷模型的設計方案。最后，

4、對基于貝葉斯網絡的無線網絡故障診斷方法進行了深入的研究和討論，建立了因果關系貝葉斯網絡和簡單貝葉斯網絡兩種故障診斷模型，通過實驗證明了貝葉斯網絡診斷模型具有較高的診斷準確率和可靠性，并評估比較了兩種模型的優(yōu)劣。在對完備的數據樣本進行訓練時可采用完備數據的學習方法，然而實際無線網絡性能數據通常會存在缺失現象。針對這一問題，本文探討了Monte-Carlo方法、Gaussian近似算法以及EM算法3種成熟的不完備數據集學習方法，并通過實驗比