رتبه بندی و تخمین سلولهای معیوب با تکنیک تصمیم گیری چند شاخصه و یادگیری ماشین در شبکه های نسل پنج و بالاتر ارتباطات سیار
نویسندگان
1 گروه برق، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
2 گروه مهندسی پزشکی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
3 گروه برق، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
doi
چکیده
هوشمندی شبکهها 5G&B5G در حوزه مدیریت و پیکربندی، بهینهسازی و خودترمیمی با هدف ، کاهش هزینه های عملیاتی و هزینه های سرمایه ای بدون دخالت نیروی انسانی از الزامات 5G&B5Gاست . فرایند خودترمیمی بهعنوان یکی از زیرمجموعههای اصلی این شبکه ها, به تشخیص سلولهای معیوب و خارج از سرویس و همچنین جبرانسازی این سلول ها می پردازد.در این پژوهش از الگوریتمی یادگیری ترکیبی تحت عنوان طبقه بند پشته ای که یکی از انواع روشهای ترکیبی در مدلهای یادگیری گروهی میباشد، برای تخمین سلولهای معیوب درون شبکه استفاده شده است. بدینمنظور در ابتدا با استفاده از الگوریتم تاپسیس که رویکردی قانونمحوراست در بخش آمادهسازی دادگان به برچسبگذاری مجموعه داده گان و رتبه بندی سلول هاشبکه پرداختهشدهاست , سپس با استفاده از الگوریتم طبقه بند پشته ای طبقهبندی سلولهای معیوب و تخمین در سطح دادگان صورت گرفت. نتایج حاصل از بهکارگیری الگوریتم پیشنهادی ارائهشده نشاندهنده کارایی بالای آن در تشخیص سلولهای معیوب بود. بهطوری معیارهای [1]دقت و [2]صحت و[3]پوشش برای بخشهای آموزش و آزمون مدل یادگیری بیان کننده نرخ بالای تشخیص صحیح در تعیین کلاس هدف بودند.