王家馨，侯韶華

（南京郵電大學(xué)，江蘇 南京 210023）

0 引言

近年來(lái)，相干光傳輸技術(shù)取得較大進(jìn)展，通過(guò)對(duì)相互關(guān)聯(lián)參數(shù)（比如，調(diào)制格式，碼元速率等）的微調(diào)，使得大量的光纖鏈路可行方案成為可能。在具體的鏈路規(guī)劃部署之前，評(píng)估光纖鏈路的傳輸質(zhì)量是極其重要的一步[1]。

傳統(tǒng)的光路傳輸質(zhì)量評(píng)估使用復(fù)雜分析模型和近似公式[2]。前者能夠非常精確地評(píng)估光路的傳輸質(zhì)量，但其計(jì)算量很大，不能得到推廣。后者因?yàn)橛?jì)算速度快，模型簡(jiǎn)單，被廣泛采用，但引入了較多鏈路冗余，造成資源浪費(fèi)[3]。

機(jī)器學(xué)習(xí)憑借能夠解決耗時(shí)復(fù)雜的非線性分類或回歸問(wèn)題，廣泛應(yīng)用于光網(wǎng)絡(luò)和光通信的各個(gè)方面[4]。機(jī)器學(xué)習(xí)利用已經(jīng)部署光路的歷史測(cè)量數(shù)據(jù)評(píng)估光路的傳輸質(zhì)量，避免了之前兩種傳統(tǒng)方法的缺點(diǎn)，能得到傳輸質(zhì)量高精度評(píng)估結(jié)果[1,5]。目前，許多評(píng)估光路傳輸質(zhì)量的方法基于二分類器，如隨機(jī)森林（RF），K近鄰（KNN），支持向量機(jī)（SVM）三種分類器對(duì)光路傳輸質(zhì)量進(jìn)行二分類，SVM獲得最高0.9915分類準(zhǔn)確度[6]；KNN，SVM，人工神經(jīng)網(wǎng)絡(luò)（ANN），邏輯回歸算法（LR）分類器對(duì)光路的剩余冗余進(jìn)行二分類,通過(guò)比較準(zhǔn)確率，F(xiàn)1分?jǐn)?shù)，得到ANN是獲得最佳泛化能力的模型，兩個(gè)指標(biāo)分?jǐn)?shù)均達(dá)到0.99以上[7]。除了經(jīng)典的機(jī)器學(xué)習(xí)算法，在機(jī)器學(xué)習(xí)中，集成學(xué)習(xí)也是研究的熱點(diǎn)。集成學(xué)習(xí)利用一定的規(guī)則組合不同的學(xué)習(xí)器構(gòu)建具有很強(qiáng)的魯棒性和泛化能力的集成模型，具備高精度評(píng)估光路傳輸質(zhì)量的潛力。本文提出基于不同集成學(xué)習(xí)算法的三分類器。

1 系統(tǒng)設(shè)置和數(shù)據(jù)集生成

1.1 系統(tǒng)模型設(shè)置

在網(wǎng)絡(luò)線性拓?fù)渲?，假設(shè)相鄰節(jié)點(diǎn)間是9個(gè)信道，信道間隔為50GHz，符號(hào)速率為32GBaud，噪聲帶寬為32GHz的偏振復(fù)用相干未補(bǔ)償系統(tǒng)[6]。系統(tǒng)采用標(biāo)準(zhǔn)單模光纖（光纖損耗系數(shù)0.22dB/km，非線性系數(shù)1.3 1/w*km，色散系數(shù)21ps^2/km），構(gòu)成等跨度的透明傳輸?shù)耐|(zhì)鏈路[8]，摻鉺光纖放大器（EDFA）完全彌補(bǔ)上一個(gè)跨度的損耗，噪聲指數(shù)為5dB，節(jié)點(diǎn)由具有波長(zhǎng)選擇開(kāi)關(guān)（WSS）技術(shù)的可重構(gòu)光分插復(fù)用器構(gòu)成。

1.2 數(shù)據(jù)集生成

由于缺乏真實(shí)的網(wǎng)絡(luò)監(jiān)測(cè)歷史數(shù)據(jù)，本文使用文獻(xiàn)[6]中傳輸質(zhì)量評(píng)估工具和上述系統(tǒng)模型生成數(shù)據(jù)。此傳輸質(zhì)量評(píng)估工具是根據(jù)加性高斯白噪聲模型，將光路中總的非線性光信噪比（OSNR）作為關(guān)于信道發(fā)射功率（PTx）和線性噪聲（PASE），非線性（PNLI）貢獻(xiàn)的函數(shù)，誤碼率（BER）作為關(guān)于Eb/N0(每比特的能量與噪聲功率譜密度之比)和調(diào)制格式的函數(shù)[9]。

（2）式中，a和d通過(guò)誤碼率與調(diào)制格式的關(guān)系計(jì)算[9]得出，Eb/N0 通過(guò)文獻(xiàn)[6]中公式得出。

生成數(shù)據(jù)集所需的鏈路系統(tǒng)參數(shù)[2]如表1所示：

數(shù)據(jù)集特征選擇鏈路長(zhǎng)度，跨度長(zhǎng)度，調(diào)制格式，數(shù)據(jù)速率，信道發(fā)射功率。數(shù)據(jù)集標(biāo)簽為BER。

基于MATLAB2020a平臺(tái)，利用傳輸質(zhì)量評(píng)估工具生成數(shù)據(jù)集。根據(jù)ITU-TG.975.1建議的前向糾錯(cuò)標(biāo)準(zhǔn)，preBER 閾值為4*10^(–3)。本文將BER 分為小于4*10^(–5)，大于4*10^(–5)且小于4*10^(–3)，大于4*10^(–3)，分別對(duì)應(yīng)傳輸質(zhì)量?jī)?yōu)良，合格，不合格。通過(guò)對(duì)數(shù)據(jù)集中樣本類別數(shù)量適當(dāng)均衡，得到32991個(gè)樣本，其中8722個(gè)小于4*10^(–5)的樣本，4391個(gè)大于4*10^(–5)且小于4*10^(–3)的樣本，19878 個(gè)大于4*10^(–3)的樣本。

2 機(jī)器學(xué)習(xí)分類器

2.1 分類器分類過(guò)程

將數(shù)據(jù)集中BER小于4*10^(–5)的樣本標(biāo)簽設(shè)為0，大于4*10^(–5)且小于4*10^(–3)的樣本標(biāo)簽設(shè)為1，大于4*10^(–3)的樣本標(biāo)簽設(shè)為2。分類器的分類過(guò)程如下。首先將數(shù)據(jù)集按比例8∶2隨機(jī)分成訓(xùn)練集和測(cè)試集，然后標(biāo)準(zhǔn)化訓(xùn)練集特征，接著將標(biāo)準(zhǔn)化后的訓(xùn)練集輸入分類器，分類器利用訓(xùn)練集進(jìn)行超參數(shù)網(wǎng)格搜索，最后測(cè)試集輸入具有最好超參數(shù)的分類器，得到預(yù)測(cè)值。

2.2 機(jī)器學(xué)習(xí)算法

機(jī)器學(xué)習(xí)算法中，集成學(xué)習(xí)擁有重要的地位，選取六個(gè)經(jīng)典集成學(xué)習(xí)算法。

2.2.1 集成學(xué)習(xí)算法[10]

a.投票分類器（Voting Classifier）

硬投票法：聚合不同分類器的預(yù)測(cè)，然后票數(shù)最多的結(jié)果作為預(yù)測(cè)類別。一般，投票分類器的準(zhǔn)確率高于集成中最好的分類器。

軟投票法：如果每個(gè)分類器能夠估算出類別的概率，然后計(jì)算出平均概率，那么平均概率高的作為預(yù)測(cè)。

軟投票通常比硬投票獲得更高的精度，因此本文采用軟投票法。

b.隨機(jī)森林（RandomForest）

隨機(jī)森林是決策樹的集成，實(shí)現(xiàn)分類和回歸。在隨機(jī)森林中，許多決策樹同時(shí)被訓(xùn)練，但是每棵樹只接受一個(gè)樣本，并且每個(gè)節(jié)點(diǎn)在確定最佳分裂時(shí)只考慮全部特征的一個(gè)子集。隨機(jī)森林通過(guò)投票決定樣本的預(yù)測(cè)分類。

c.極端隨機(jī)樹（Extra Trees）

極端隨機(jī)樹是由極端隨機(jī)的決策樹組成，由于每個(gè)特征都使用隨機(jī)閾值，所以，生成出的決策樹得更加隨機(jī)。極端隨機(jī)樹與隨機(jī)森林的性能需要通過(guò)交叉驗(yàn)證甚至網(wǎng)格搜索超參數(shù)才能進(jìn)行比較。

d.自適應(yīng)增強(qiáng)（AdaBoost）

AdaBoost：循環(huán)訓(xùn)練分類器，每一次都對(duì)前一次分類器評(píng)估的欠擬合訓(xùn)練示例進(jìn)行關(guān)注，實(shí)例權(quán)重不斷更新，使新的分類器越來(lái)越專注于難纏的問(wèn)題。

本文AdaBoost集成的分類器為單層決策樹。

e.梯度提升（GradientBoosting）

梯度上升與AdaBoost一樣，逐步在集成中添加預(yù)測(cè)器，但不同的是，它是讓新分類器對(duì)前一個(gè)分類器的預(yù)測(cè)值與實(shí)際值的差值進(jìn)行擬合。本文梯度上升分類器使用的基礎(chǔ)分類器為決策樹。

f.極端梯度上升（XGBoost）

XGBoost是梯度提升的優(yōu)化實(shí)現(xiàn)，速度快，可移植與可擴(kuò)展。

2.3 分類指標(biāo)

多分類指標(biāo)分為兩種：

（1）多分類轉(zhuǎn)化成二分類的評(píng)估

a.準(zhǔn)確率（Accuracy），b.宏平均F1，微平均F1，加權(quán)平均F1。（Macro F1，Micro F1，Weighted F1）

（2）直接定義的多分類指標(biāo)

a.Kappa系數(shù)，b.海明距離，c.杰卡德相似系數(shù)（jaccrd_similarity_score）：根據(jù)平均方式分為jaccrd_macro, jaccrd_micro, jaccrd_weighted。

3 仿真過(guò)程和結(jié)果分析

3.1 算法模型

基于Sklearn機(jī)器學(xué)習(xí)python應(yīng)用程序接口實(shí)現(xiàn)算法調(diào)優(yōu)和訓(xùn)練，測(cè)試，評(píng)估。6種集成學(xué)習(xí)算法進(jìn)行超參數(shù)調(diào)優(yōu)后，得到的模型為：

a.Gamma為0.2，C為2000的高斯核SVM，C為200，penalty為l2的邏輯回歸，500個(gè)估計(jì)器的隨機(jī)森林集成的投票分類器；

b.500個(gè)估計(jì)器，最大深度為20的隨機(jī)森林分類器；

c.500個(gè)估計(jì)器，最大深度為20的極端樹分類器；

d.1500個(gè)估計(jì)器，學(xué)習(xí)率為1的AdaBoost分類器；

e.500個(gè)估計(jì)器，學(xué)習(xí)率為0.01，最大深度為10的梯度上升分類器；

f.91個(gè)估計(jì)器，學(xué)習(xí)率為0.01，最大深度為20，subsample為1，gamma為0.001，min_child_weight為0.01的XGBoost分類器。

3.2 仿真結(jié)果

3.2.1 集成算法性能比較

圖1和圖2是6種分類器關(guān)于性能指標(biāo)的對(duì)比圖。由圖1可知所有分類器性能分?jǐn)?shù)都在0.89以上，其中投票分類器的所有性能指標(biāo)分?jǐn)?shù)都高于其他分類器，都在0.97以上。投票分類器集成的分類器都是超參數(shù)最優(yōu)的分類器，SVM和KNN經(jīng)過(guò)超參數(shù)調(diào)優(yōu)，性能指標(biāo)分?jǐn)?shù)都在0.94以上，由于邏輯回歸的性能指標(biāo)分?jǐn)?shù)低于SVM和KNN很多，最高只有0.90，因此導(dǎo)致投票分類器總體性能稍遜于SVM。實(shí)驗(yàn)表明，只有當(dāng)投票分類器中的性能指標(biāo)分?jǐn)?shù)均衡，投票分類器才能性能指標(biāo)分?jǐn)?shù)高于集成中所有分類器。

圖1 集成算法分類器性能比較

圖2 算法分類器海明距離比較

極端樹分類器與隨機(jī)森林分類器各指標(biāo)柱狀高度相近，極端樹分類器各指標(biāo)分?jǐn)?shù)稍微高于隨機(jī)森林分類器。極端樹分類器性能指標(biāo)分?jǐn)?shù)在0.95以上，隨機(jī)森林分類器在0.94以上。梯度提升分類器與XGBoost分類器各性能指標(biāo)分?jǐn)?shù)一樣，最低為0.94。AdaBoost分類器各性能指標(biāo)分?jǐn)?shù)均低于其他分類器。

圖2海明距離指標(biāo)與圖1指標(biāo)相反，海明距離指標(biāo)分?jǐn)?shù)越接近0，性能越好，越接近于1，性能越差。圖2中分?jǐn)?shù)投票分類器最低，非常接近于0；隨機(jī)森林分類器與極端樹分類器分?jǐn)?shù)很接近，在0.014附近；梯度提升分類器與XGBoost分類器分?jǐn)?shù)為0.175；AdaBoost分類器分?jǐn)?shù)最高，高于投票分類器0.02差值。

分類器性能除了比較性能指標(biāo)系數(shù)，還需要比較訓(xùn)練，測(cè)試時(shí)間。

圖3是關(guān)于分類器的訓(xùn)練時(shí)間與預(yù)測(cè)時(shí)間的比較。從圖可見(jiàn)，梯度上升分類器的訓(xùn)練時(shí)間最長(zhǎng)，隨機(jī)森林分類器的訓(xùn)練時(shí)間最短。在具有相同的性能指標(biāo)情況下，XGBoost分類器的訓(xùn)練時(shí)間比梯度上升分類器短約95秒，測(cè)試時(shí)間短約5秒，表明XGBoost分類器是對(duì)梯度上升分類器的提升優(yōu)化。六種分類器的預(yù)測(cè)時(shí)間最短為XGBoost 0.062秒，最長(zhǎng)為AdaBoost 0.81秒。

結(jié)合圖1，圖2，圖3，投票分類器分類性能指標(biāo)分?jǐn)?shù)最優(yōu)，訓(xùn)練時(shí)間中等，預(yù)測(cè)時(shí)間偏短；極端樹分類器與隨機(jī)森林分類器分類性能指標(biāo)分?jǐn)?shù)次優(yōu)，訓(xùn)練時(shí)間最短，預(yù)測(cè)時(shí)間較短；梯度上升分類器與XGBoost分類器性能指標(biāo)分?jǐn)?shù)相同，但XGBoost分類器訓(xùn)練和預(yù)測(cè)速度更快；AdaBoost分類器分類性能指標(biāo)分?jǐn)?shù)最低，訓(xùn)練和預(yù)測(cè)時(shí)間都較長(zhǎng)。

圖3 集成學(xué)習(xí)分類器訓(xùn)練與預(yù)測(cè)時(shí)間比較

綜上可知，在光纖鏈路傳輸質(zhì)量多分類評(píng)估時(shí)，6種集成學(xué)習(xí)算法中可取的是投票分類器，隨機(jī)森林分類器與極端樹分類器，三種分類器都能得到高性能。

4 結(jié)語(yǔ)

本文提出評(píng)估鏈路傳輸質(zhì)量的6種經(jīng)典集成學(xué)習(xí)算法三分類器并分析兩種類型的多分類指標(biāo)。通過(guò)生成綜合數(shù)據(jù)來(lái)訓(xùn)練分類器，利用多分類指標(biāo)評(píng)估分類器。實(shí)驗(yàn)表明，6種基于集成學(xué)習(xí)算法的三分類器的性能指標(biāo)分?jǐn)?shù)都能達(dá)到0.89以上，漢明距離低于0.03。其中投票分類器，隨機(jī)森林分類器，極端樹分類器在計(jì)算時(shí)間和分類性能達(dá)到很好的平衡。結(jié)果證明，基于集成學(xué)習(xí)算法的三分類器能夠很好地評(píng)估光纖鏈路傳輸質(zhì)量，與二分類器相比較，三分類器對(duì)傳輸質(zhì)量進(jìn)一步分類評(píng)估，滿足現(xiàn)實(shí)傳輸所需的鏈路傳輸質(zhì)量要求。