(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111634252.6 (22)申请日 2021.12.2 9 (71)申请人 天翼物联科技有限公司 地址 510335 广东省广州市海珠区 阅江西 路366号广报中心南塔21层 (72)发明人 孙麟　王世杰　丁霞　朱明　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 代理人 郑宏谋 (51)Int.Cl. G06K 9/62(2022.01) G06F 17/16(2006.01) (54)发明名称 基于决策树的网络自适应选择方法、 系统、 装置及介质 (57)摘要 本发明公开了一种基于决策树的网络自适 应选择方法、 系统、 装置及介质， 方法包括： 确定 用户终端对不同网络属性的主观权重值； 获取预 设的多个第一网络的网络属性数据， 根据网络属 性数据和主观权重值确定各第一网络与理想网 络的相似度， 进而根据网络属性数据和相似度构 建训练数据集； 将训练数据集输入到预先构建的 决策树模型进行训练， 得到训练好的网络选择模 型； 获取多个候选网络的实时网络属性， 将实时 网络属性输入到网络选择模型， 进而根据模型输 出进行网络自适应选择。 本发明降低了网络选择 运算的复杂度， 提高了网络选择的效率， 可广泛 应用于无线通信技 术领域。 权利要求书2页 说明书13页 附图5页 CN 114386495 A 2022.04.22 CN 114386495 A 1.一种基于决策树的网络自适应选择 方法， 其特 征在于， 包括以下步骤： 确定用户终端对不同网络属性的主观权 重值； 获取预设的多个第 一网络的网络属性数据， 根据 所述网络属性数据和所述主观权重值 确定各所述第一网络与理想网络的相似度， 进而根据所述网络属性数据和所述相似度构建 训练数据集； 将所述训练数据集输入到预先构建的决策树模型进行训练， 得到训练好的网络选择模 型； 获取多个候选网络的实时网络属性， 将所述实时网络属性输入到所述网络选择模型， 进而根据模型输出进行网络自适应选择。 2.根据权利要求1所述的一种基于决策树的网络自适应选择方法， 其特征在于， 所述确 定用户终端对不同网络属性的主观权 重值这一步骤， 其具体包括： 根据服务类型和网络属性建立成对比较矩阵， 所述成对比较矩阵中的元素用于表征两 种网络属性的重要程度的比值； 根据所述成对比较矩阵计算各 所述网络属性的第一权 重； 根据所述第 一权重计算所述成对比较矩阵的一致性比率， 当所述一致性比率小于等于 预设的第一阈值， 确定所述第一权重为所述主观权重值， 当所述一致性比率大于预设的第 一阈值， 调整所述成对比较矩阵中的元 素直至一 致性比率小于等于所述第一阈值。 3.根据权利要求1所述的一种基于决策树的网络自适应选择方法， 其特征在于， 所述网 络属性数据包括可用速率、 峰值速率、 包时延、 包抖动、 包丢失以及每比特费用。 4.根据权利要求1所述的一种基于决策树的网络自适应选择方法， 其特征在于， 所述根 据所述网络属性数据和所述主观权重值确定各所述第一网络与理想网络的相似度， 进而根 据所述网络属性数据和所述相似度构建训练数据集 这一步骤， 其具体包括： 根据所述网络属性数据构建初始决策矩阵， 所述初始决策矩阵中的元素用于表征不同 第一网络的不同网络属性的数值； 对所述初始决策矩阵进行规范化处 理， 得到规范决策矩阵； 根据所述 规范决策矩阵和所述主观权 重值确定加权决策矩阵； 根据所述加权决策矩阵确定理想网络， 并确定各所述第 一网络与所述理想网络的相似 度； 根据所述相似度确定各所述第 一网络的优先级标签， 进而根据 所述网络属性数据和所 述优先级标签构建训练数据集。 5.根据权利要求1至4中任一项所述的一种基于决策树的网络自适应选择方法， 其特征 在于， 所述网络自适应选择 方法还包括预先构建决策树模型的步骤， 其具体包括： 根据所述网络属性确定特 征集； 通过最大信 息熵增益法对所述特征集进行分支特征选择， 确定多个划分特征和对应的 划分点； 根据所述划分特 征和所述划分点构建决策树模型。 6.根据权利要求5所述的一种基于决策树的网络自适应选择方法， 其特征在于， 所述将 所述训练数据集输入到预 先构建的决策树模型进行训练这 一步骤， 其具体包括： 确定所述决策树模型的根节点的各个网络属性的信 息熵， 并选择信 息熵最大的网络属权　利　要　求　书 1/2 页 2 CN 114386495 A 2性作为第一 最佳划分特 征； 根据所述第一最佳划分特征将所述训练数据集中的网络属性数据划分到下一层的各 个节点； 确定所述决策树模型的内部节点的第 二最佳划分特征， 根据所述第 二最佳划分特征对 所述训练数据集中的网络属 性数据再次进行划分， 直至所有网络属 性均选择完， 生成对应 的叶节点， 所述叶节点用于表征网络优先级。 7.根据权利要求6所述的一种基于决策树的网络自适应选择方法， 其特征在于， 所述获 取多个候选网络的实时网络属 性， 将所述实时网络属 性输入到所述网络选择模型， 进而根 据模型输出进行网络自适应选择这 一步骤， 其具体为： 确定多个候选网络， 并获取 所述候选网络的实时网络属性； 将所述实时网络属性输入到所述网络选择模型， 自所述网络选择模型的根节点开始从 上往下进行网络属性数值的大小比较， 直至得到各 所述候选网络的网络优先级； 根据所述网络优先级从所述 候选网络中选取 出最佳网络， 并接入所述 最佳网络 。 8.一种基于决策树的网络自适应选择系统， 其特 征在于， 包括： 主观权重值确定模块， 用于确定用户终端对不同网络属性的主观权 重值； 训练数据集构建模型， 用于获取预设的多个第一网络的网络属性数据， 根据所述网络 属性数据和所述主观权重值确定各所述第一网络与理想网络的相似度， 进而根据所述网络 属性数据和所述相似度构建训练数据集； 模型训练模块， 用于将所述训练数据集输入到预先构建的决策树模型进行训练， 得到 训练好的网络 选择模型； 网络选择模块， 用于获取多个候选网络的实时网络属性， 将所述实时网络属性输入到 所述网络 选择模型， 进 而根据模型输出进行网络自适应选择。 9.一种基于决策树的网络自适应选择装置， 其特 征在于， 包括： 至少一个处 理器； 至少一个存 储器， 用于存 储至少一个程序； 当所述至少一个程序被所述至少一个处理器执行， 使得所述至少一个处理器实现如权 利要求1至7中任一项所述的一种基于决策树的网络自适应选择 方法。 10.一种计算机可读存储介质， 其中存储有处理器可执行的程序， 其特征在于， 所述处 理器可执行 的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种基于 决策树的网络自适应选择 方法。权　利　要　求　书 2/2 页 3 CN 114386495 A 3