[发明专利]一种基于机器学习的AP自适应优化选择方法

摘要

本发明公开了一种基于机器学习的AP自适应优化选择方法，方法应用于移动设备与AP建立WIFI连接及车联网自适应网络切换的过程中，方法包括：收集当前环境中的连接设备数据，建立训练数据集，特征集，确定阈值；根据数据集及ID3算法确认是否为单结树；若非单结树，则分割子集构建子结点生成树；递归调用，直至生成完整的决策树，以将AP分类为FAST集和SLOW集，选择FAST集中最快的AP建立连接；本发明根据机器学习模型对AP接入点进行选择以缩短连接时间，减少WIFI连接设置时间成本。

主权项

1.一种基于机器学习的AP自适应优化选择方法，其特征在于：所述方法包括步骤：步骤1，收集当前环境中的连接设备数据，建立训练数据集，特征集，确定阈值；步骤2，根据数据集及ID3算法确认是否为单结树；设有k个类C_k(k＝1,2,3，K)，若训练数据集中所有实例属于同一类C_k，则决策树为单结点树，并将类C_k作为该结点的类标记，返回决策树；若特征集为空集，则决策树为单结点树，并将训练数据集中实例数最大的类C_k作为该结点的类标记，返回决策树；否则，按算法ID3计算特征集中各特征对训练数据集的信息增益，选择信息增益最大的特征Ag；如果Ag的信息增益小于阈值ε，则置决策树为单结点树，并将训练数据集中实例数最大的类C_k作为该节点的类标记，返回决策树；步骤3，若非单结树，则分割子集构建子结点生成树；步骤4，递归调用以上S2、S3，直至生成完整的决策树，以将AP分类为fast集和slow集，选择fast集最快的AP建立连接。