一种提升树算法在网络故障关联分析中的应用

针对移动网络故障反馈与故障分类的准确率问题,提出一种基于k-NN的多分类器提升树算法,该算法采用k近邻对特征向量空间划分,结合adboost误差函数和迭代算法,实现多分类器决策判别,并利用R语言可视化方法的关系数矩阵提取和筛选出投诉/故障映射主属性,进而建立基于基站退服、覆盖盲点、非网络原因3类故障投诉关联分析及预测模型。实验结果表明,与C50决策树、RIPPER分类规则及SVM比较,在网络故障关联预测方面新算法的分类准确率提升约2%～10%。     

QoS约束的代表性Skyline Web服务选择

目前,指挥控制系统呈现网络化、服务化发展趋势。将服务质量(Quality of Service,QoS)约束条件作为Web服务选择的依据时,为了缩小Skyline Web服务集,提高服务选择的效率,提出一种面向Skyline Web服务的新型服务选择方法。基于代表性Skyline服务选择原理,结合效用函数与服务顺序结构组合技术,设计Web服务的优化选择算法,实现Skyline服务集的最大选择概率。基于开放的QWS数据集,针对服务选择效用值、服务选择执行时间指标进行实验,实验结果表明:相比于传统Skyline方法服务选择算法,新算法的服务选择执行时间至少减少了25%,服务选择平均效用值约提升10%。