摘要
5G网络的普及与各种新兴技术的引入,使得移动通信网络速率在更新的过程中常出现故障诊断低准确率的问题.鉴于此,研究提出面向移动通信网络故障诊断的大数据挖掘方法,在引入Spark框架的基础上,首先利用生成对抗网络对收集的网络数据进行预处理,接着利用图卷积神经网络对样本数据集进行学习,以实现网络故障诊断.与其他算法相比结果显示,当训练样本数据集为600时,研究算法的准确率与MarcoF1值分别为90.14％、88.56％.当迭代次数为200次、保留13个特征时,对网络故障诊断的准确率可达98.01％,且诊断时间仅为0.243s.以上结果均表示在研究方法运行下,移动网络通信的故障诊断准确率较高,且耗时较少,性能最好.
维普
万方数据