摘要
本发明公开了一种面向Wi‑Fi的智能化性能感知与预测方法及系统,属于通信技术领域。该方法基于采集的用户信号数据,构建以用户、性能指标和时间为维度的高阶张量,并进一步构建低阶矩阵。结合深度强化学习算法,分别对高阶张量和低阶矩阵进行分解预测,构建张量预测模型与矩阵预测模型。通过误差反馈调整融合权重,将两个模型的预测结果进行加权融合,生成最终预测结果。本发明能够有效捕捉Wi‑Fi信号的非线性与突发性变化,提升网络性能感知与预测的准确性和泛化能力,为频段切换、负载均衡和带宽调度等提供优化依据,提升整体Wi‑Fi服务质量与用户体验。
技术关键词
矩阵
深度强化学习算法
网络
预测误差
计算机执行指令
特征值
预测系统
Wi‑Fi信号
梯度下降法
参数
性能指标数据
新模式
可读存储介质
模型误差
存储器
策略