作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为保证高铁LTE网络质量,提升客户感知,及时识别并解决高铁LTE网络故障至关重要.现有技术识别高铁故障主要依靠道路测试与网管后台数据,不仅耗时耗力,而且由于高铁专网多采用拉远与小区合并建设方式,故障具体点位和隐性故障难以定位.在此背景下,本文提出了一种基于大数据和机器学习,针对高铁网络特性的天馈故障识别方法,可有效提升高铁专网故障识别与定位的准确性,同时节省大量人力物力.
推荐文章
一种基于在线学习的弹道识别方法
弹道识别
支持向量机(SVM)
在线优化
Pegasos
一种基于假设检验的机器人所处区域类型识别方法
未知障碍物
区域类型
假设检验
移动机器人
一种基于用户行为状态特征的流量识别方法
流量识别
用户行为
行为状态特征
主题模型
一种基于融合深度卷积神经网络与度量学习的人脸识别方法
多Inception结构
深度卷积神经网络
度量学习方法
深度人脸识别
特征提取
损失函数融合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于机器学习的LTE高铁故障识别方法与实例
来源期刊 电信工程技术与标准化 学科 工学
关键词 高铁专网 机器学习 故障识别
年,卷(期) 2022,(2) 所属期刊栏目 运营与维护|OPERATION AND MAINTENANCE
研究方向 页码范围 62-67
页数 6页 分类号 TN929.5
字数 语种 中文
DOI 10.3969/j.issn.1008-5599.2022.02.013
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高铁专网
机器学习
故障识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电信工程技术与标准化
月刊
1008-5599
11-4017/TN
大16开
北京海淀区丹棱街甲16号302室
82-942
1988
chi
出版文献量(篇)
5257
总下载数(次)
21
论文1v1指导