CN119441853A 数据选择方法、装置、电子设备及存储介质 （中国移动通信有限公司研究院）

据为DTN的源数据；确定与所述多类第一数据对中每类第一数据中位于聚类中心的第一数据和2基于多个第一数据中每个第一数据的特征信息，对所述多个第一数据进第一数据集用于训练DTN模型，第一数据集中至少包含所述多类第一数据中每类第一第一数据包括DTN网络的队列的相关数据，第一数据的特征信息包括队列状态信息；利用专家知识对第一数据集进行有效性验证在每种特征信息的数值范围属于对应的第一设定范围的情况下5.根据权利要求4所述的方法，其特征在于，在所述确定每种特征信息的数值范围之在第一数据集中的第一数据的任一种特征信息的数值范围不属于对应的第一设定范6.根据权利要求1至5任一项所述的方法，其特征在7.根据权利要求3至5任一项所述的方法在第二备选数据中，确定出满足设定条件的第二数据；所述3调用设定的第一模型对所述多个第一数据中每个第聚类单元，用于基于多个第一数据中每个第一数据的特第一数据集用于训练DTN模型，第一数据集中至少包含所述多类第一数据中每类第一所述处理器，用于基于多个第一数据中每个第一数据的特征信息第一数据为DTN的源数据；第一数据集用于训练DTN模型多类第一数据中每类第一数据中位于聚类中心的第一数据和作为聚类中心的K个最近邻的其中，所述处理器用于运行所述计算机程序时，执行权利要4[0006]基于多个第一数据中每个第一数据的特征信息，对所述[0008]第一数据集用于训练DTN模型，第一数据集中至少包含所述多类第一数据中每类第一数据中位于聚类中心的第一数据和作为聚类中心的K个最近邻的第一数据，K为正整[0010]第一数据包括DTN网络的队列的相关数据，第一数据的特征信息包括队列状态信[0011]第一数据包括DTN网络的数据流的相关数据，第一数据的特征信息包括流状态信[0015]基于第一数据集中每个第一数据的特征信息的值，确定每种特征信息的数值范5[0018]在第一数据集中的第一数据的任一种特征信息的数值范围不属于对应的第一设[0022]在第一备选数据中选择多个设定场景的真实数据和/或模拟数据，得到多个第一[0035]第一数据集用于训练DTN模型，第一数据集中至少包含所述多类第一数据中每类第一数据中位于聚类中心的第一数据和作为聚类中心的K个最近邻的第一数据，K为正整所述多类第一数据中每类第一数据中位于聚类中心的第一数据和作为聚类中心的K个最近6于训练DTN模型，第一数据集中至少包含所述多类第一数据中每类第一数据中位于聚类中的第一数据具有不同的特点，并且每类第一数据中位于聚类中心的第一数据和对应的K个AI模型的准确性和泛化能力。例如，多样化且质量不同的数据源难以直接用于DTN性能建7含所述多类第一数据中每类第一数据中位于聚类中心的第一数据和作为聚类中心的K个最类第一数据中位于聚类中心的第一数据和对应的K个最近邻的第一数据之间的特征相似度SpatialClusteringofApplicat8[0065]第一数据包括DTN网络的队列的相关数据，第一数据的特征信息包括队列状态信[0066]第一数据包括DTN网络的数据流的相关数据，第一数据的特征信息包括流状态信[0073]为了提高第一数据的特征信息的准确度，以获得高质量的训练数据(第一数据9[0080]在第一备选数据中选择多个设定场景的真实数据和/或模拟数据，得到多个第一一备选数据可以理解为包含多个源数据的数据集。数据选择策略可以包含数据选择规则，[0088]确定出同一类第一数据的聚类中心和聚类中心的K个最近邻；将位于聚类中心的[0090]实际应用时，电子设备可以基于设定的聚类算法确定每[0094]在第一数据集中的任一数据验证不通过的情况下，对第一数据集进行优化或更[0097]基于第一数据集中每个第一数据的特征信息的值，确定每种特征信息的数值范[0102]在第一数据集中的第一数据的任一种特征信息的数值范围不属于对应的第一设的第一设定范围的情况下，第一数据集验证不通过，在第一数据集中随机选择M个第一数类第一数据中确定出M个第三数据中每个第三数据属于的分类，并在对应分类中确定出作为第三数据的最近邻的第一数据，得到M个第一数据中每个第一数据对应的最近邻的第一序列中依次选出准确度排名在前X的备选数据，以及在备选数据序列中依次选出准确度排Distribution)样本，也可以不包含OOD样本，难例可以理解为困难负样本(hard[0130]其中，数据集S可以包含准确度排名在前X的备选数据和准确度排名在后Y的备选基于网络性能指标的正常范围和数据集S中每个备选数据的网络性能指标的值(真实值或据的数据质量合格；如果数据集S中任一备选数据的网络性能指标的值不属于对应的正常[0140]步骤2：基于所述多个第一数据训练网络性能评估模型，直至达到设定的收敛条[0144]第一数据包括DTN网络的队列的相关数据，第一数据的特征信息包括队列状态信[0145]第一数据包括DTN网络的数据流的相关数据，第一数据的特征信息包括流状态信[0151]基于第一数据集中每个第一数据的特征信息的值，确定每种特征信息的数值范[0154]在第一数据集中的第一数据的任一种特征信息的数值范围不属于对应的第一设[0157]其中，所述第二备选数据为所述第一备选数据中除所述多个第一数据之外的数[0163]表1给出了基于包含第二数据的第二数据集训练得到的DTN性能模型的泛化能力[0167]从表1可以看出使用包含第二数据的第二数据集训练得到的DTN性能模型在多种[0176]第一数据集用于训练DTN模型，第一数据集中至少包含所述多类第一数据中每类第一数据中位于聚类中心的第一数据和作为聚类中心的K个最近邻的第一数据，K为正整[0178]第一数据包括DTN网络的队列的相关数据，第一数据的特征信息包括队列状态信[0179]第一数据包括DTN网络的数据流的相关数据，第一数据的特征信息包括流状态信[0188]在第一备选数据中选择多个设定场景的真实数据和/或模拟数据，得到多个第一含所述多类第一数据中每类第一数据中位于聚类中心的第一数据和作为聚类中心的K个最[0204]第一数据包括DTN网络的队列的相关数据，第一数据的特征信息包括队列状态信[0205]第一数据包括DTN网络的数据流的相关数据，第一数据的特征信息包括流状态信[0211]在第一备选数据中选择多个设定场景的真实数据和/或模拟数据，得到多个第一[0220]本申请实施例中的存储器703用于存储各种类型的数据以支持电子设备700的操[0221]上述本申请实施例揭示的方法可以应用于所述处理器702中，或者由所述处理器上述方法的各步骤可以通过所述处理器702中的硬件的集成逻辑电路或者软件形式的指令完成。上述的所述处理器702可以是通用处理器、数字信号处理器(DSP，DigitalSignal理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，[0222]在示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(ASIC，器(ROM，ReadOnlyMemory)、可编程只读存储器(PROM，ProgrammableRead_Only电可擦除可编程只读存储器(EEPROM，ElectricallyErasableProgrammableRead_Only存取存储器(DRAM，DynamicRandomAccessMemory)、同步动态随机存取存储器(SDRAM，SynchronousDynamicRandomAccessMemory)、双倍数据速率同步动态随机存取存储器步动态随机存取存储器(ESDRAM，EnhancedSynchronousDynamicRandomAccessMemory)、同步连接动态随机存取存储器(S