CN110730468A

CN110730468A - 通信设备扩容方法、装置、计算机设备和存储介质

Info

Publication number: CN110730468A
Application number: CN201910823174.0A
Authority: CN
Inventors: 魏丞昊; 范智勇; 董开泰; 丁禄平; 李泓润; 黄哲学
Original assignee: Shenzhen University
Current assignee: Shenzhen University
Priority date: 2019-09-02
Filing date: 2019-09-02
Publication date: 2020-01-24
Anticipated expiration: 2039-09-02
Also published as: CN110730468B

Abstract

本发明实施例公开了一种通信设备扩容方法，包括：分别计算标准通信设备的工况的稳态向量和问题通信设备的工况的稳态向量，计算标准稳态向量和目标稳态向量的距离；将距离中达到预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容，该通信设备扩容方法能够对通信设备进行精准扩容，大大提高了通信设备扩容的效率和准确度。此外，还提出了一种通信设备扩容装置、计算机设备和存储介质。

Description

通信设备扩容方法、装置、计算机设备和存储介质

技术领域

本发明涉及信息处理技术领域，尤其涉及一种通信设备扩容方法、装置、计算机设备和存储介质。

背景技术

现有技术中，对于电信运营商运维过程中的通信设备扩容，主要依靠运营商一线运维工作人员，根据某个通信设备覆盖下的用户对该区域的服务质量投诉或者预估该区域可能用户数的增长来实现通信设备的扩容，而扩容设备数的多少往往根据个人经验值来预估判断，容易导致运维成本的过度使用，缺乏精细化扩容成本管控。该种传统的策略存在诸多局限性，用户对于所在网络服务质量的投诉往往存在滞后与随机性，即不会因为移动网络某一两次体验不好而立刻投诉，单个用户的感知好坏，理论上很难让运营商决策者实现某个通信设备的扩容。因此，如何实现对通信设备的精准扩容，成为运营商通信设备运维人员急需解决的问题。

发明内容

基于此，有必要针对上述问题，提出一种可以对通信设备进行精准扩容的方法、装置、计算机设备和存储介质。

一种通信设备扩容方法，其特征在于，所述方法包括：

S1：获取预设时间段内T个时段对应的M个标准通信设备的N个维度的标准特征信息，对所述N个维度的标准特征信息构建成行数为T×M，列数为N的标准初始矩阵，其中，T、M和N均为大于1的正整数；

S2：计算所述标准初始矩阵的协方差矩阵，得到大小为N×N的协方差矩阵；

S3：基于所述协方差矩阵和所述标准初始矩阵中的任意一行元素组成的向量进行马氏变换，得到投影向量；

S4：根据所述投影向量中的每一元素的大小以及预设的S个状态对应的阈值范围对所述每一标准通信设备对应的特征信息进行离散化，得到状态转移矩阵，其中，S为大于1的正整数；

S5：采用预设的算法将所述状态转移矩阵转换为标准稳态向量；

S6：获取目标稳态矩阵，所述目标稳态矩阵由M'个目标稳态向量组成，其中，所述目标稳态向量是通过对预设时间段内T个时段对应的M'个问题通信设备的N个维度目标特征信息构建成的行数为T×M'，列数为N的目标初始矩阵采用如S2-S5的方法得到的，其中，M'为大于1的正整数；

S7：计算所述标准稳态向量和所述目标稳态向量的距离；

S8：将所述距离中达到预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容。

一种通信设备扩容装置，所述装置包括：

标准矩阵构建模块，用于执行S1：获取预设时间段内T个时段对应的M个标准通信设备的N个维度的标准特征信息，对所述N个维度的标准特征信息构建成行数为T×M，列数为N的标准初始矩阵，其中，T、M和N均为大于1的正整数；

协方差矩阵计算模块，用于执行S2：计算所述标准初始矩阵的协方差矩阵，得到大小为N×N的协方差矩阵；

变换模块，用于执行S3：基于所述协方差矩阵和所述标准初始矩阵中的任意一行元素组成的向量进行马氏变换，得到投影向量；

离散化模块，用于执行S4：根据所述投影向量中的每一元素的大小以及预设的S个状态对应的阈值范围对所述每一标准通信设备对应的特征信息进行离散化，得到状态转移矩阵，其中，S为大于1的正整数；

第一稳态向量计算模块，用于执行S5：采用预设的算法将所述状态转移矩阵转换为标准稳态向量；

第二稳态向量计算模块，用于执行S6：获取目标稳态矩阵，所述目标稳态矩阵由M'个目标稳态向量组成，其中，所述目标稳态向量是通过对预设时间段内T个时段对应的M'个问题通信设备的N个维度目标特征信息构建成的行数为T×M'，列数为N的目标初始矩阵采用如S2-S5的方法得到的，其中，M'为大于1的正整数；

距离计算模块，用于执行S7：计算所述标准稳态向量和所述目标稳态向量的距离；

扩容设备确定模块，用于执行S8：将所述距离中小于预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

S7：计算所述标准稳态向量和所述目标稳态向量的距离；

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

S7：计算所述标准稳态向量和所述目标稳态向量的距离；

上述通信设备扩容方法，通过分别计算标准通信设备的工况的稳态向量和问题通信设备的工况的稳态向量，其中标准通信设备的工况的稳态向量的计算方法具体为：获取预设时间段内T个时段对应的M个标准通信设备的N个维度的标准特征信息，对N个维度的标准特征信息构建成行数为T×M，列数为N的标准初始矩阵，其中，T、M和N均为大于1的正整数；计算标准初始矩阵的协方差矩阵，得到大小为N×N的协方差矩阵；基于协方差矩阵和标准初始矩阵中的任意一行元素组成的向量进行马氏变换，得到投影向量；根据投影向量中的每一元素的大小以及预设的S个状态对应的阈值范围对每一标准通信设备对应的特征信息进行离散化，得到状态转移矩阵，其中，S为大于1的正整数；采用预设的算法将状态转移矩阵转换为标准稳态向量；问题通信设备的工况的稳态向量计算方法与标准通信设备的工况的稳态向量计算方法一致；计算标准稳态向量和目标稳态向量的距离；将距离中达到预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容，该通信设备扩容方法能够对通信设备进行精准扩容，大大提高了通信设备扩容的效率和准确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为一个实施例中通信设备扩容方法的流程图；

图2为一个实施例中计算状态转移矩阵方法的流程图；

图3为一个实施例中计算标准稳态向量方法的流程图；

图4为一个实施例中获取标准特征信息方法的流程图；

图5为一个实施例中数据清洗方法的流程图；

图6为一个实施例中通信设备扩容装置的结构框图；

图7为一个实施例中计算机设备的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，在一个实施例中，提供了一种通信设备扩容方法，该通信设备扩容方法既可以应用于终端，也可以应用于服务器，具体包括以下步骤：

步骤102，获取预设时间段内T个时段对应的M个标准通信设备的N个维度的标准特征信息，对所述N个维度的标准特征信息构建成行数为T×M，列数为N的标准初始矩阵，其中，T、M和N均为大于1的正整数。

其中，标准通信设备是指无问题投诉的通信设备，如基站设备，用于作为选取需要进行扩容通信设备的标准。其数量为M个，示例性地，M可以为500。标准特征信息是指各个标准通信设备的工况的特征数据，用于衡量各个标准通信设备的服务质量，且特征的数据的维度为N，示例性地，N可以为3。预设时间段内是指预先设定的一段时间内，如一个月内，时段是指预设时间内的多个相同的时间间隔，用于形成时间序列。具体地，可以通过网络爬虫的方式获取该标准特征信息，也可以通过在通信设备管理网站的后台数据库中获取该标准特征信息，还可以通过大数据引擎技术获取该标准特征信息。具体可根据实际应用场景进行选取，此处不做限制。

例如，在一个具体实施例方式中，该通信设备为基站，获取1个月内，每个小时的500个标准基站在流量(如上行流量和/或下行流量)、设备话务量和平均用户数这3个维度的标准特征信息。可以理解地，该标准特征信息即为小时级的信息，相对于以天或者以月为时段的数据具有更强的细粒度。具体地，对3个维度的标准特征信息构建成了行数为30×24×500，列数为3的标准初始矩阵，可以理解地，通过将标准特征信息构建成标准初始矩阵，使得各个标准通信设备的标准特征信息得到更为清楚全面得表达，体现了标准特征信息中包含的时间序列，以便后续基于该标准初始矩阵进行快速准确地计算。

步骤104，计算所述标准初始矩阵的协方差矩阵，得到大小为N×N的协方差矩阵。

其中，协方差矩阵计算的是不同维度之间的协方差，用于反映多为数据的县相关性。由于标准初始矩阵的维度为N维，因此，得到的协方差矩阵大小为N×N。具体地，可以通过调用Matlab自带的cov函数计算标准初始矩阵，即B＝cov(A)；该代码中，A为标准初始矩阵，B为A的协方差矩阵。

步骤106，基于所述协方差矩阵和所述标准初始矩阵中的任意一行元素组成的向量进行马氏变换，得到投影向量。

其中，马氏变换是一种计算向量马氏距离的过程，用于将向量数据投影得到多个标量值，继而将该多个标量值构建成的向量即为本实施例中的投影向量。具体地，选取标准初始中的任意一行元素，即是同一时段下的N个维度的标准特征信息，也即该投影向量是长度为M×T的一维向量。继续以步骤S102中列举的数据为例，则标准初始矩阵中的任意一行元素组成的向量为三维向量也即X＝{x₁,x₂,x₃}，X表示为标准初始矩阵中的任意一行元素组成的向量，x₁,x₂,x₃分别表示为3个维度下的标准特征信息。可以理解地，各个标准通信设备的维度的量纲不同，将标准化数据(标准初始矩阵)和中心化数据(协方差矩阵)通过马氏变换，计算各个维度的距离，从而去除了变量相关性之间的干扰，且在全量样本的情况统计信息下，实现了向一维向量的投影，以便后续基于该投影向量确定各个标准通信设备的状态变化。

步骤108，根据所述投影向量中的每一元素的大小以及预设的S个状态对应的阈值范围对所述每一标准通信设备对应的特征信息进行离散化，得到状态转移矩阵，其中，S为大于1的正整数。

其中，离散化是一种用于描述时间序列下的数据状态转移过程的指标，用于确定标准通信设备的一步状态转移矩阵。状态转移矩阵是一种由数据状态过程中的转移概率组成的矩阵，用于体现离散时间标准特征信息状态随机转移的过程。该离散化的具体过程为：首先确定离散化过程后的状态数量，以及每一状态对应的阈值范围，具体可以根据业务应用场景进行选取。示例性地，以标准通信设备(如标准基站)工况的6种状态进行分析，对应的状态空间为{特闲，闲，较闲，一般，忙，特忙}，每一个状态对应一个阈值范围，根据投影向量中每一元素的大小，判断其所属的阈值范围进而可以确定状态，采用频率的计算方法计算各个状态之间的转移概率矩阵，继而得到一个大小为6*6的状态转移矩阵。其中的阈值范围与状态的对应关系如列表一所示，L_M表示为元素的标量值，μ和σ分别为投影向量的均值和方差，u₁和σ₁分别表示为在状态为“闲”的情况下，即对从不满足均值和方差为μ和σ这一条件的投影向量中筛选出的投影向量进行重新计算得到的均值和方差。

列表一，阈值范围与状态的对应关系

状态划分条件	Label
		L<sub>M</sub><μ<sub>1</sub>-σ<sub>1</sub>	特闲
μ<sub>1</sub>-σ<sub>1</sub><L<sub>M</sub><μ<sub>1</sub>	闲
		μ<sub>1</sub><L<sub>M</sub><μ<sub>1</sub>+σ<sub>1</sub>	较闲
μ<sub>1</sub>+σ<sub>1</sub><L<sub>M</sub><μ	一般
		μ<L<sub>M</sub><μ+σ	忙
L<sub>M</sub>>μ+σ	特忙

步骤110，采用预设的算法将所述状态转移矩阵转换为标准稳态向量。

其中，稳态向量是指在迭代过程中保持不变的向量。标准稳态向量即为与标准特征信息对应的稳态向量。预设的算法是指预先设定用于将状态转移矩阵转换为稳态向量的算法。具体地，可以通过对状态转移矩阵进行自乘计算，直到得到结果不变为止，将该结果乘以同一个随机的状态向量，得到的结果即为标准稳态矩阵。

步骤112，获取目标稳态矩阵，所述目标稳态矩阵由M'个目标稳态向量组成，其中，所述目标稳态向量是通过对预设时间段内T个时段对应的M'个问题通信设备的N个维度目标特征信息构建成的行数为T×M'，列数为N的目标初始矩阵采用如步骤102-步骤105的方法得到的，其中，M'为大于1的正整数。

其中，目标稳态矩阵由M'个目标稳态向量组成，且目标稳态向量是通过对预设时间段内T个时段对应的M'个问题通信设备的N个维度目标特征信息构建成的行数为T×M'，列数为N的目标初始矩阵。具体地，采用步骤104-步骤110的方法对M'个问题通信设备的目标初始矩阵进行计算，即可得到目标稳态向量，可以理解地，目标稳态矩阵即是由M'个目标稳态向量组成的。

步骤114，计算所述标准稳态向量和所述目标稳态向量的距离。

其中，距离是指衡量问题通信设备的工况与标准通信设备的工况的相似度的指标。该距离可以是曼哈顿距离、马氏距离、欧式距离或者余弦距离等距离度量，也可以是基于上述距离度量改进的距离计算方法，优选地，本实施例中，采用改进的距离度量方法计算标准稳态向量和目标稳态向量的距离，从而提高距离计算的效率。

可以理解地，标准稳态向量和目标稳态向量均是对各个工况数据离散化后的向量，并且是稳态分布的向量，因此，通过直接计算二者之间的距离，可实现对标准通信设备工况进行准确聚类分析。

步骤116，将所述距离中达到预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容。

其中，预设阈值距离是用于作为判断问题通信设备中与标准通信设备工况相似度的距离的临界值。若步骤114中的计算的距离与相似度呈正相关(如余弦距离)，即距离越大，相似度越高，则将距离中大于预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容；若步骤114中的计算的距离与相似度呈负相关(如马氏距离)，即距离越小，相似度越高，则将距离中小于预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容。在这个实施例中，通过将达到预设阈值距离对应的标准通信设备作为待扩容的通信设备，保证了该问题通信设备工况与标准通信设备工况的相似度满足扩容的条件，实现了对通信设备的精准扩容，并且该待扩容通信设备确定方法快速准确，提高了通信设备扩容的效率和准确度。

在一个实施例中，计算所述标准稳态向量和所述目标稳态向量的距离，包括：

按照如下公式进行计算所述距离：

其中，D_ij表示为第i个所述目标稳态向量和第j个所述标准稳态向量的所述距离，X_i和Y_j分别为表示为第i个所述目标稳态向量和第j个所述标准稳态向量。

在这个实施例中，采用改进的距离度量方法计算标准稳态向量和目标稳态向量的距离，即通过公式

计算第i个目标稳态向量和第j个标准稳态向量的距离。可以理解地，通信设备的工况的标准特征信息的量纲不同，如果采用传统的距离度量方法，容易导致重要的标准特征信息丢失，影响距离计算的准确性，该计算方法是对问题通信设备和标准通信设备的稳态向量进行计算，由于该稳态向量包含了各通信设备在稳态条件下各个状态出现的概率，因此保证计算精度，同时，该公式计算方法较为简单，仅需计算|X_i-Y_j|，然后将|X_i-Y_j|除以|X_i-Y_j|与1的和，二者的商值即为距离，且由于标准稳态向量和目标稳态向量均是基于协方差矩阵∑进行计算得到的，而在本实施例中，协方差矩阵是满足不同数量通信设备对应的协方差矩阵的变化值小于预设变化值这一条件，因此，提高了对标准通信设备和问题通信设备的协方差矩阵计算的速度，进而也提高了距离的计算速度。同时还能够降低计算时间复杂度，即针对样本量的增加，计算时间复杂度线性增长，因此，在进行大规模的距离计算过程中，能够明显提高计算效率。

进一步地，该距离计算公式通过数据形式保证了距离定义的三个特性，即D_ij(X_i,X_i)＝0，D_ij(X_i,Y_j)＝D_ji(Y_j,X_i)，D_ij(X_i,Z_j)≤D_ij(X_i,Y_j)+D_ij(Y_j,Z_i)。因此，采用该距离计算方法能够作为距离度量方法。以便后续基于该距离选取与标准通信设备距离最近的问题通信设备作为待扩容通信设备。

上述计算标准稳态向量和目标稳态向量的距离的方法提高距离计算的效率，以便后续基于该距离选取与标准通信设备距离最近的问题通信设备作为待扩容通信设备。

在一个实施例中，基于所述协方差矩阵和所述标准初始矩阵中的任意一行元素组成的向量进行马氏变换，得到投影向量，包括：

按照如下公式进行马氏变换：

其中，所述L_M表示为所述投影向量，所述X表示为所述标准初始矩阵中的任意一行元素组成的向量，X^T表示为所述向量X的转置，∑表示为所述协方差矩阵。

具体地，通过公式

即马氏距离的计算公式计算协方差矩阵和标准初始矩阵中的任意一行元素组成的向量，进而计算各个时段的标准特征信息，将多维时间序列对应的多维矩阵向一维向量投影，进而将多维矩阵转换为标量值，以便后续基于投影向量中的标量值进行多个状态的划分，克服标准通信设备的标准特征信息的滞后随机性问题。

上述马氏变换的过程实现了将多维时间序列对应的多维矩阵向一维向量投影，进而将多维矩阵转换为标量值，以便后续基于投影向量中的标量值进行多个状态的划分，克服标准通信设备的标准特征信息的滞后随机性问题。

如图2所示，在一个实施例中，根据所述投影向量中的每一元素的大小以及预设的S个状态对应的阈值范围对所述每一标准通信设备对应的特征信息进行离散化，得到状态转移矩阵，包括：

步骤108A，确定所述投影向量中的每一元素对应的一个状态，并将所述状态构成时间状态序列。

具体地，投影向量中的每一元素均为标量值，判断该标量值所述的阈值范围，即可确定每一元素对应的状态，并将得到的状态按照时段的先后顺序构成时间状态序列。

步骤108B，基于马尔科夫链计算所述时间状态序列的转移概率。

具体地，马尔科夫链是指马尔科夫过程，该过程具有过程离散型、过程的随机性和过程的无后效性的特点，标准通信设备工况的特征信息的状态转移只与当前状态有关，也即在转移中第i次的结果只受第i-1次结果的影响。在确定了时间状态序列后，可以采用频率计算的方法计算时间状态序列中状态转移概率。

步骤108C，将所述转移概率组成所述状态转移矩阵。

具体地，将步骤108B中计算得到的转移概率作为元素，组成状态转移矩阵。可以理解地，由于转移概率在同一时段下概率的总和为1，因此，状态转移矩阵中一行元素的和为1，以便后续基于对状态矩阵矩阵的计算，得到稳态矩阵，实现标准特征信息的稳态分布。

上述计算状态转移矩阵的过程，以便后续基于对状态矩阵矩阵的计算，得到稳态矩阵，实现标准特征信息的稳态分布。

如图3所示，在一个实施例中，采用预设的算法将所述状态转移矩阵转换为标准稳态向量，包括：

步骤110A，随机生成与所述状态转移矩阵对应的随机状态向量。

其中，随机状态向量是指有多个随机变量组成的向量，本实施例中的与状态转移矩阵对应的随机状态向量是指满足某一行元素和为1的随机变量组成的向量。具体地，可以通过Matlab中的随机函数rand()生成该随机状态向量。

步骤110B，将所述状态转移矩阵进行P次方运算，得到初始稳态向量，其中，P为大于1的正整数。

具体地，将状态转移矩阵进行P次自乘计算，直到得到结果不变为止，在本实施例中，P＝8。

步骤110C，将所述随机状态向量与初始稳态向量进行相乘运算，得到所述标准稳态向量。

具体地，将随机状态向量与初始稳态向量进行乘法运算，得到的结果即为标准稳态向量。可以理解地，标准稳态向量能够克服滞后随机性问题，因此，通过计算得到标准稳态向量，能够保证通信设备工况评价的准确性。

上述计算标准稳态向量的方法能够保证通信设备工况评价的准确性。

如图4所示，在一个实施例中，获取预设时间段内T个时段对应的M个标准通信设备的N个维度的标准特征信息，包括：

步骤102A，获取各个通信设备的原始通信数据，对所述原始通信数据进行数据清洗。

其中，原始通信数据是指未经处理和简化的原始数据。可以理解地，该原始通信数据中必然包含一些异常数据，因此，本实施例中通过对原始通信数据进行数据清洗，以去除异常数据。

步骤102B，对数据清洗后的所述原始通信数据采用插值法进行缺失值补全，得到所述标准特征信息。

具体地，在原始通信数据数据中，往往会存在不完整的情况，因此需要进行缺失值补全，其中的插值法包括但不限于拉格朗日插值法、分段插值法或样条插值法等。通过对数据清洗后的原始通信数据采用插值法进行缺失值补全，使得标准特征信息更加完整准确。

上述对原始通信数据进行预处理的过程使得标准特征信息更加完整准确。

如图5所示，在一个实施例中，对所述原始通信数据进行数据清洗，包括：

步骤102A1，采用基于正态分布的离群点检测方法检测所述原始通信数据的异常值。

具体地，采用基于正态分布的离群点检测方法检测原始通信数据的异常值，即假定原始通信数据由一个正态分布产生，然后，可以由输入数据学习正态分布的参数，并把低概率的点识别为离群点，也即异常值。

步骤102A2，将所述异常值进行删除，得到所述数据清洗后的所述原始通信数据。

具体地，将步骤S102A1中检测到的异常值进行删除，从而实现了对原始通信数据的清洗，避免了异常数据的干扰。

上述对原始通信数据进行数据清洗的方法避免了异常数据的干扰。

如图6所示，提出了一通信设备扩容装置，该装置包括：

标准矩阵构建模块602，用于执行S1：获取预设时间段内T个时段对应的M个标准通信设备的N个维度的标准特征信息，对所述N个维度的标准特征信息构建成行数为T×M，列数为N的标准初始矩阵，其中，T、M和N均为大于1的正整数；

协方差矩阵计算模块604，用于执行S2：计算所述标准初始矩阵的协方差矩阵，得到大小为N×N的协方差矩阵；

变换模块606，用于执行S3：基于所述协方差矩阵和所述标准初始矩阵中的任意一行元素组成的向量进行马氏变换，得到投影向量；

离散化模块608，用于执行S4：根据所述投影向量中的每一元素的大小以及预设的S个状态对应的阈值范围对所述每一标准通信设备对应的特征信息进行离散化，得到状态转移矩阵，其中，S为大于1的正整数；

第一稳态向量计算模块610，用于执行S5：采用预设的算法将所述状态转移矩阵转换为标准稳态向量；

第二稳态向量计算模块612，用于执行S6：获取目标稳态矩阵，所述目标稳态矩阵由M'个目标稳态向量组成，其中，所述目标稳态向量是通过对预设时间段内T个时段对应的M'个问题通信设备的N个维度目标特征信息构建成的行数为T×M'，列数为N的目标初始矩阵采用如S2-S5的方法得到的，其中，M'为大于1的正整数；

距离计算模块614，用于执行S7：计算所述标准稳态向量和所述目标稳态向量的距离；

扩容设备确定模块616，用于执行S8：将所述距离中小于预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容。

在一个实施例中，离散化模块包括序列构成单元、概率计算单元和矩阵获取单元。

序列构成单元，用于确定所述投影向量中的每一元素对应的一个状态，并将所述状态构成时间状态序列；

概率计算单元，用于基于马尔科夫链计算所述时间状态序列的转移概率；

矩阵获取单元，用于将所述转移概率组成所述状态转移矩阵。

在一个实施例中，第一稳态向量计算模块包括随机状态向量生成单元、初始稳态向量计算单元和第一稳态向量计算单元。

随机状态向量生成单元，用于随机生成与所述状态转移矩阵对应的随机状态向量；

初始稳态向量计算单元，用于将所述状态转移矩阵进行P次方运算，得到初始稳态向量，其中，P为大于1的正整数；

第一稳态向量计算单元，用于将所述随机状态向量与初始稳态向量进行相乘运算，得到所述标准稳态向量。

在一个实施例中，标准矩阵构建模块包括数据清洗单元和特征信息获取单元。

数据清洗单元，用于获取各个标准通信设备的原始通信数据，对所述原始通信数据进行数据清洗；

特征信息获取单元，用于对数据清洗后的所述原始通信数据采用插值法进行缺失值补全，得到所述标准特征信息。

在一个实施例中，数据清洗单元包括检测子单元和数据获取子单元。

检测子单元，用于采用基于正态分布的离群点检测方法检测所述原始通信数据的异常值；

数据获取子单元，用于将所述异常值进行删除，得到所述数据清洗后的所述原始通信数据。

图7示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器和终端设备，所述服务器包括但不限于高性能计算机和高性能计算机集群；所述终端设备包括但不限于移动终端设备和台式终端设备，所述移动终端设备包括但不限于手机、平板电脑、智能手表和笔记本电脑，所述台式终端设备包括但不限于台式电脑和车载电脑。如图7所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现通信设备扩容方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行通信设备扩容方法。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的通信设备扩容方法可以实现为一种计算机程序的形式，计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成通信设备扩容装置的各个程序模板。比如，标准矩阵构建模块602，协方差矩阵计算模块604，变换模块606，离散化模块608，第一稳态向量计算模块610，第二稳态向量计算模块612，距离计算模块614和扩容设备确定模块616。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的通信设备扩容方法。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述实施例中的通信设备扩容方法。

需要说明的是，上述通信设备扩容方法、通信设备扩容装置、计算机设备及计算机可读存储介质属于一个总的发明构思，通信设备扩容方法、通信设备扩容装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。请输入具体实施内容部分。

Claims

1.一种通信设备扩容方法，其特征在于，所述方法包括：

S7：计算所述标准稳态向量和所述目标稳态向量的距离；

2.根据权利要求1所述的方法，其特征在于，所述计算所述标准稳态向量和所述目标稳态向量的距离，包括：

按照如下公式进行计算所述距离：

3.根据权利要求1所述的方法，其特征在于，所述基于所述协方差矩阵和所述标准初始矩阵中的任意一行元素组成的向量进行马氏变换，得到投影向量，包括：

按照如下公式进行马氏变换：

4.根据权利要求1所述的方法，其特征在于，所述根据所述投影向量中的每一元素的大小以及预设的S个状态对应的阈值范围对所述每一标准通信设备对应的特征信息进行离散化，得到状态转移矩阵，包括：

确定所述投影向量中的每一元素对应的一个状态，并将所述状态构成时间状态序列；

基于马尔科夫链计算所述时间状态序列的转移概率；

将所述转移概率组成所述状态转移矩阵。

5.根据权利要求1所述的方法，其特征在于，所述采用预设的算法将所述状态转移矩阵转换为标准稳态向量，包括：

随机生成与所述状态转移矩阵对应的随机状态向量；

将所述状态转移矩阵进行P次方运算，得到初始稳态向量，其中，P为大于1的正整数；

将所述随机状态向量与初始稳态向量进行相乘运算，得到所述标准稳态向量。

6.根据权利要求1所述的方法，其特征在于，所述获取预设时间段内T个时段对应的M个标准通信设备的N个维度的标准特征信息，包括：

获取各个通信设备的原始通信数据，对所述原始通信数据进行数据清洗；

对数据清洗后的所述原始通信数据采用插值法进行缺失值补全，得到所述标准特征信息。

7.根据权利要求6所述的方法，其特征在于，所述对所述原始通信数据进行数据清洗，包括：

采用基于正态分布的离群点检测方法检测所述原始通信数据的异常值；

将所述异常值进行删除，得到所述数据清洗后的所述原始通信数据。

8.一种通信设备扩容装置，其特征在于，所述装置包括：

扩容设备确定模块，用于执行S8：将所述距离中达到预设阈值距离对应的标准通信设备作为待扩容的通信设备进行扩容。

9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述通信设备扩容方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述通信设备扩容方法的步骤。