基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段，为准确分析通信网络数据特征，并保障质量，提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标，将卷积神经网络与径向基神经网络相结合，构建深度学习网络结构，将该性能指标作为标签参数，将所得到的标签参数的聚类与求和结果作为深度网络的标签数据，通过前向传播将标签数据输入卷积神经网络的输入层内，经过不同隐层的变换与映射至输出层位置，并采用量子粒子群算法求解深度学习网络最优参数，输出通信网络数据关键特征挖掘结果。经实验结果表明，所提方法的通信网络数据关键特征挖掘率在95%以上，能够准确预测未来短时间段内的通信网络质量。