目前移动网络优化一般基于小区进行网络质量评估及预测,遵循“升维研究,降维实施”的研究思路,提出了兴趣点(point of interest,POI)网络质量的柔性评价体系,但其涉及较多网络关键绩效指标(key performanceindicator,KPI),导致POI网络...目前移动网络优化一般基于小区进行网络质量评估及预测,遵循“升维研究,降维实施”的研究思路,提出了兴趣点(point of interest,POI)网络质量的柔性评价体系,但其涉及较多网络关键绩效指标(key performanceindicator,KPI),导致POI网络综合质量评价体系较为庞杂且预测精度不高,为提高POI网络质量预测精准性,采用核主成分分析(kernelprincipalcomponentanalysis,KPCA)算法对反向传播(back propagation,BP)神经网络的输入变量进行相关性压缩,简化了BP神经网络结构,然后通过遗传算法(genetic algorithm,GA)优化了BP神经网络连接权值及阈值参数。与传统BP神经网络预测结果进行对比,在预测准确度方面提高了10.90%,均方误差性能显著降低,对研究POI网络质量的预测可起到较好的支撑作用。展开更多
