基于变分自编码器的异常小区检测

为了解决移动无线网高维度性能指标异常样本的标注问题,提出一种基于变分自编码器VAE的异常小区检测方法。该方法利用异常小区性能KPI数据在通过变分自编码器编码与解码过程中所产生的较大波动来实现异常检测。实验结果表明,该方法在样本不平衡的情况下,通过合理设置重构误差阈值,能准确地检测出异常小区,实现异常小区的机器判读。

基于综合特征和联动学习的异常无线小区检测方法

近年来,随着无线通信技术的快速发展,异常无线小区的检测和识别成为了网络优化和故障排除的重要任务。传统的检测识别算法在准确率和效率方面存在一定的局限性。为了解决此类问题,提出一种基于综合特征和联动学习的异常无线小区检测方法。该方法通过引入遥感图像对区域内的像素点进行聚类,获取小区的地貌类别作为覆盖性能异常识别的依据,并引入小区KPI指标在时域上变化等综合特征构建基于孤立森林的异常小区检测模型,利用大小模型联动实现轻量化运算,从而有效提升异常小区检测的准确性与效率。