文献

J-GLOBAL ID：202002273052564870   整理番号：20A0816894

セルラネットワークにおけるKQIS駆動QoE異常検出と根本原因解析【JST・京大機械翻訳】

KQIs-Driven QoE Anomaly Detection and Root Cause Analysis in Cellular Networks

著者 (5件)： Liu Xuewen (Beijing University of Posts and Telecommunications) ,  Chuai Gang (Beijing University of Posts and Telecommunications) ,  Gao Weidong (Beijing University of Posts and Telecommunications) ,  Zhang Kaisa (Beijing University of Posts and Telecommunications) ,  Chen Xiangyu (Beijing University of Posts and Telecommunications)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： GC Wkshps  ページ： 1-6  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： セルネットワークの高密度配置,サービスタイプの濃縮およびデータ量の爆発的成長により,オペレータのための劣化した性能セルを自動的に検出し,診断する必要性が増加している。以前の研究は主にQoS(サービス品質)に基づく異常検出と根本原因分析に焦点を合わせているが,QoEがユーザの実際のサービス経験をより良く表現できるので,セルラネットワーク演算子はuseraEs QoE(経験の質)劣化により多くの注意を払っている。オンラインQoE異常検出と根本原因解析を達成するために,本論文で著者らは新しい統合異常検出と診断フレームワークを提示した。第一に,QoEは,最大トラフィックを持つ3つの最も一般的なサービスのKQIs(Key Quality Indicator)ベクトルによって表現される。次に,QoE異常検出を,QoE Anomalyコードを得るために,2段階クラスタリング法(SOM+K-Mediod)を用いて処理した。診断はKPI(Key Performance Indicator)を選択し,KQIsに対するそれらの特徴的な影響を学習することにより達成され,故障のあるCodeブックを得ることができる。QoE Anomalyコードを用いて異常サンプルを検出し,故障原因タイプを見つけるために故障のCase Codeb図書を適用した。設計したフレームワークを,実際の4Gデータで評価した。比較のために,3つの他の2段階クラスタリングアルゴリズムを導入して,結果は著者らのフレームワークが最も高い検出精度率を達成することができることを示した。したがって,それはオンライン故障検出と診断のために実世界のセルラネットワークで直接使用できる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 故障検出 ,  ベクトル ,  オペレータ ,  *ネットワーク
準シソーラス用語： クラスタリングアルゴリズム ,  故障原因 ,  オンライン ,  異常検出 ,  *体感品質 ,  *セルラーネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： セルラネットワーク ,  QoE ,  異常検出 ,  根本原因 ,  解析