文章提出一种基于XGBoost算法的自适应网络切换方法,优化工业物联网(Industrial Internet of Things,IIoT)环境中Wi-Fi与5G网络的切换效率。通过XGBoost模型深度学习历史网络性能数据和环境参数,智能预测最优网络切换时机和目标网络类...文章提出一种基于XGBoost算法的自适应网络切换方法,优化工业物联网(Industrial Internet of Things,IIoT)环境中Wi-Fi与5G网络的切换效率。通过XGBoost模型深度学习历史网络性能数据和环境参数,智能预测最优网络切换时机和目标网络类型。该方法实现了动态网络选择,并结合动态缓存系统利用历史数据优化决策,提高了切换效率和响应速度。引入的回滚检查机制确保在网络性能下降或切换失败时能够迅速恢复到稳定状态,保障通信质量。实验评估表明,该方法在切换成功率、平均延迟和系统开销方面表现优异,为提高IIoT设备的通信性能提供了有效解决方案。展开更多
文摘文章提出一种基于XGBoost算法的自适应网络切换方法,优化工业物联网(Industrial Internet of Things,IIoT)环境中Wi-Fi与5G网络的切换效率。通过XGBoost模型深度学习历史网络性能数据和环境参数,智能预测最优网络切换时机和目标网络类型。该方法实现了动态网络选择,并结合动态缓存系统利用历史数据优化决策,提高了切换效率和响应速度。引入的回滚检查机制确保在网络性能下降或切换失败时能够迅速恢复到稳定状态,保障通信质量。实验评估表明,该方法在切换成功率、平均延迟和系统开销方面表现优异,为提高IIoT设备的通信性能提供了有效解决方案。
