典型文献
基于机器学习技术的无线小区负载均衡自优化
文献摘要：
利用机器学习方法实时对高流量小区进行负载均衡是无线网络智能化的重要课题之一,目前仍无较成熟的应用案例.鉴于此,提出了基于XGBoost以及DNN的无线小区负载均衡参数自优化方法,并分别对均衡切换事件、切换门限进行建模预测.实验结果显示,该方法的切换事件预测准确率达到97.3％,切换门限拟合优度为0.6-0.8,可以高效、精准地实现负载均衡的自优化.
文献关键词：
负载均衡;机器学习;网络智能化;无线网络自优化
中图分类号：
作者姓名：
郭华;张东林;徐维华;张航;陈超
作者机构：
中国移动通信集团吉林有限公司,吉林长春130033
文献出处：
引用格式：
[1]郭华;张东林;徐维华;张航;陈超-.基于机器学习技术的无线小区负载均衡自优化)[J].移动通信,2022(04):74-79
A类：
无线网络自优化
B类：
基于机器学习,机器学习技术,负载均衡,机器学习方法,高流量,网络智能化,应用案例,XGBoost,DNN,均衡参数,门限,建模预测,事件预测,预测准确率,拟合优度
AB值：
0.282665
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
