研究和应用加权随机森林算法可以有效地解决频分双工—长期演进(FDD-LTE)网络中上行干扰数据存在不平衡的问题,是提高上行干扰分类准确率的有效方法.文章针对测量报告(MR)数据中的上行平均干扰电平,建立了一种基于加权随机森林的上行干扰分类模型,并设置了类权重参数,对比分析了决策树、随机森林和加权随机森林等3种算法的分类效果.结果表明:加权随机森林能够提升不平衡数据中数量较少类的分类正确率,其互调干扰和阻塞干扰的分类正确率分别达到73.91％和96.67％;在不平衡的FDD-LTE上行干扰分类中,加权随机森林能够取得优于决策树和传统随机森林的结果,其分类正确率达到96.22％,而运行时间仅有0.98 s.
展开▼
