PCC

3GPP R7提出的Policy and Charging Control (PCC)架构实现了基于分组域的业务策略控制。该架构支持按业务和产品区分、用户累计使用情况、位置信息或接入类型以及时间进行差别计费,并提供了在线和离线计费方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

3GPP R7提出Policy and Charging Control (PCC)架构,基于分组域实现业务策略控制。

特点:
  • 分业务分产品,rating group(如区分p2p和http)
  • 基于用户累计使用情况
  • 区分用户位置信息或接入类型(如漫游,RAT change)
  • 区分时间(如:不同时间费率不同)

  • 差别计费
  • 整形限速
  • 门控
  • 端到端qos

计费与账单进一步分离,计费与控制进一步结合。


流量计费
时长计费
事件计费
不计费

在线计费:参考3gpp 32.299 Ro部分(扩展了rfc4006);
离线计费:参考3gpp 32.299 Rf部分,当然如果CTF和CDF为同一个对象,则可以不使用Rf接口,可以采用私有接口。Rf接口也是基于diameter的基本计费协议(参考rfc3588)。


### PCC与PCA的概念解析 #### Pearson Correlation Coefficient (PCC) Pearson相关系数(PCC)是一种衡量两个连续变量之间线性关系强度和方向的统计指标。其取值范围为[-1, 1],其中正值表示正相关,负值表示负相关,而接近0的值则表明几乎没有线性关系[^2]。计算PCC通常依赖于两组数据的标准差及其协方差。 #### Principal Component Analysis (PCA) 主成分分析(PCA)是一种无监督学习技术,主要用于降维处理。通过将原始高维空间中的数据投影到低维子空间中,在保留最大可能的信息的同时降低维度。PCA的核心在于寻找能够解释最多变异性的新坐标轴,并基于这些新的特征向量重新表达数据[^3]。 --- ### PCC与PCA的主要区别 #### 数据特性假设的不同 - **PCC** 假设输入的数据遵循某种形式的线性分布模式;因此它仅能捕捉到变量间的直线型关联程度。 - **PCA**, 虽然也涉及协方差矩阵运算(这一步骤间接包含了类似PCC的思想),但它并不局限于检测单纯的线性关系,而是试图找到整个数据集的最佳重构方式,即使这种最佳解并非简单的线性组合也能适用[^4]。 #### 输出结果的形式差异 - 使用 **PCC** 后得到的是单一数值或者成对之间的相关度表格,反映每一对样本间的关系紧密程度。 - 应用 **PCA** 则会产生一组相互垂直的新基底以及对应各原特征在这套新体系下的权重贡献情况,最终形成较少数量却更具代表意义的新特征集合[^5]。 --- ### PCC与PCA的潜在联系 尽管表面上看两者目标各异——一个是量化特定类型的关联强弱,另一个侧重整体结构简化优化——但实际上它们共享某些共同基础: - 都涉及到对于多元随机变量内部交互作用的研究; - PCA过程中构建协方差/相关阵环节实际上就是运用到了类似于求算PCC的方法论来评估不同维度彼此影响状况; - 当执行标准化后的PCA时(即先让所有属性均值归零并单位化),此时所提取出来的首个主元往往可以被视作最大化总体加权平均意义上的"Pearsonian correlation"表现者[^6]。 ```python import numpy as np from sklearn.decomposition import PCA # Example of using PCA on a dataset with standardized features. data = np.random.rand(100, 5) # Simulated data set with five variables. pca = PCA() principal_components = pca.fit_transform(data) print("Explained variance ratio:", pca.explained_variance_ratio_) ``` --- ### 结语 综上所述,虽然PCC专注于描述具体双变量间的简单线性依存态势,而PCA致力于探索全局最优变换路径实现高效压缩表征效果,但在深层次原理层面二者存在着千丝万缕的内在勾连。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值