一种用于使得能够实现无线电接入网络中的认知网络管理（CNM）的系统，所述系统包括：网络目标管理器（NOM）； 环境建模和抽象（EMA）引擎； 配置管理引擎（CME）；以及 决策和动作引擎（DAE）； NOM包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得网络目标管理器：解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标，以确保CNM或具体CF调整其行为以便实现运营商目标； EMA引擎包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得环境建模和抽象引擎：将环境抽象成状态，表示具体CF在其中操作的不同可操作上下文和情况，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个来构建； CME包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得环境建模和抽象引擎：基于如由EMA引擎导出的抽象环境和可操作上下文，针对CF的不同上下文定义一个或多个合法候选网络配置； DAE包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得决策和动作引擎：将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配。

你好！作为辅助你的AI助手，我非常乐意与你这位经验丰富的同行一起探讨这个案子。在处理复杂的通信网络架构（特别是涉及5G NR、LTE等底层逻辑的自动化网络管理）的无效宣告请求时，精准的特征比对和恰当的对比文件组合是成功的关键。

以下是我基于目标专利说明书以及你提供的三篇对比文件（D1-D3）所做的深度技术比对与无效策略分析。

---

### 一、 结合说明书对权利要求1的解释

目标专利（CN110024327B）旨在解决自组织网络（SON）在灵活性和复杂环境适应性方面的缺陷，提出了一种用于无线电接入网络（如5G）的**认知网络管理（CNM）系统**。权利要求1通过四个核心逻辑引擎（NOM、EMA、CME、DAE）定义了该系统的架构：

1. **网络目标管理器 (NOM，特征E)**：扮演“翻译官”角色。根据说明书[0068]-[0069]，NOM将高层业务和技术目标（KQI，如运营商目标）解释并分解为认知功能（CF）可执行的、带有权重的底层KPI目标。

2. **环境建模和抽象引擎 (EMA，特征F)**：扮演“感知器”角色。根据说明书[0073]-[0074]，EMA不仅读取KPI，还将定量KPI、语义标签和上下文组合，抽象出系统当前所处的“环境状态”。

3. **配置管理引擎 (CME，特征G)**：扮演“规则限定者”角色。根据说明书[0077]-[0079]，CME基于EMA的抽象环境，过滤掉不必要或不可达的配置，圈定一个“合法候选网络配置”的集合。

4. **决策和动作引擎 (DAE，特征H)**：扮演“执行决策者”角色。根据说明书[0081]-[0082]，DAE在CME提供的合法集合内，利用逻辑推理或机器学习，为EMA当前导出的状态匹配最佳的具体网络配置。

---

### 二、 对比文件公开情况与特征比对分析

以下是D1、D2、D3对权利要求1各项技术特征的公开情况分析：

#### 1. D1 (US07843822B1) - 移动自组织网络中的认知自适应管理

* **公开情况**：D1主要针对军用移动自组织网络（MANETs），公开了中心化节点（Centralized node）、自适应调谐引擎（Adaptive tuning engine）、加权分析功能（Weighted analysis function）和认知学习功能（Cognitive learning function）。

* **未实质公开**：D1侧重于基于地形和无线电能力的通信可达性预测，**未实质公开**权利要求1中将管理架构明确划分为NOM（目标解释）、EMA（环境抽象）、CME（候选集合定义）和DAE（最终决策）的四层严格协作逻辑，也未公开使用KPI和语义标签组合抽象环境的具体方式。

#### 2. D2 (WO2012084763A1) - 电信网络的控制方法

* **公开情况**：D2高度契合目标专利的架构。D2公开了一种认知引擎（CE），包含优化单元、**感知/监视单元 (Sensing/Monitoring Unit)**、**配置/决策单元 (Configuration/Decision Unit)** 和交互单元。

* **特征A/B/C/D**：D2实质公开了类似模块的划分。

* **特征E (NOM)**：D2的“Management Control Layer (MCL)”运行一套规则，指导底层CE实现由域授权者/运营商指示的目标（"directs the lower-level CEs towards given a set of objectives (as indicated/instructed by the domain authority/operator)"），实质公开了NOM。

* **特征F (EMA)**：D2的“Sensing/Monitoring Unit”监测参数和KPI，通过参数关联和模式识别系统状态（"identifies and classifies system states based on patterns and correlations... identifies the state of the environment"），实质公开了EMA。

* **特征G & H (CME & DAE)**：D2的“Configuration/Decision Unit”基于感知单元的信息决定后续动作，并在动作空间（"action space's CME configuration" / "legal network configurations"）内进行选择。D2的图3和相关段落公开了配置层（CCL）和组织控制层（OCL）共同完成候选配置生成和最终动作选择的过程。

#### 3. D3 (US08494989B1) - 认知网络管理系统

* **公开情况**：D3公开了一种CNMS，包括引擎层（传感器引擎、学习引擎）、CNMS核心（策略推理器、任务控制器）和认知/基于学习的分析模块。

* **特征E (NOM)**：D3公开了基于任务文件（Mission files）和策略（Policies）指导系统运行的任务控制器。

* **特征F (EMA)**：D3的传感器引擎收集频谱、GPS等数据并更新知识库，但未明确公开将其抽象为KPI、状态标签组合的特定方式。

* **特征G & H (CME & DAE)**：D3的策略推理器（Policy reasoner）基于系统状态和策略做出决策，但没有明确分离出“生成合法候选集”和“匹配最终动作”两个独立引擎。

#### 特征比对表格

---

### 三、 创造性分析与最接近的对比文件选择

**最接近的对比文件：D2 (WO2012084763A1)**

* **从解决的技术问题来看**：目标专利旨在解决移动通信网络（尤其是复杂RAN）中自动化、认知化管理的需求，降低OAM（操作、管理和维护）的复杂性。D2同样旨在解决电信网络中通信实体的自动化分层控制问题，引入了几乎相同的认知循环（监测-识别-决策-交互）。

* **从技术效果来看**：两者都实现了从单纯依赖固定规则的SON功能向具备环境感知和学习能力的CNM系统的转变，且都采用了分层抽象和决策架构。D2作为最接近的现有技术毫无争议。

**其他对比文件未公开的特征补充**：

目标专利中关于CME明确“定义候选合法配置”再由DAE“匹配”的两段式决策逻辑，在D2中主要体现为“Configuration/Decision Unit”的内部流程，以及Interface C4（提供合法网络配置集合）。可以说，D2已经实质上公开了权利要求1的全部核心架构逻辑。

---

### 四、 无效请求中最薄弱的技术特征

如果在撰写无效宣告请求，权利要求1中**最薄弱的技术特征是特征G和H（即CME和DAE的分离与协作逻辑）**。

**原因分析**：

尽管本专利将“配置管理（限制候选集）”和“决策动作（选择最优解）”拆分为两个带有独立处理器的引擎（CME和DAE），但在计算机科学、人工智能和通信网络控制的常识中，**“先划定可行解空间（Pruning/Candidate Generation），再在可行解中进行最优匹配（Matching/Selection）”**是极其常规的决策制定算法（Decision-making algorithm）设计套路。

即使合议组认为D2的“Configuration/Decision Unit”是一个整体，没有明确分离为两个“引擎”，你完全可以主张这种模块的物理或逻辑拆分仅仅是**本领域常规技术手段的简单替换**，不产生预料不到的技术效果。此外，D2的Page 13中明确提到了“CME配置（例如，合法网络配置的集合）”通过接口C4发送给DAE（"C4 can provide CF's action space's CME configuration (e.g. set of legal network configurations)... to DAE"），这几乎构成了对特征G和H的直接破坏。

---

针对这篇专利，如果我们以D2作为主证，结合本领域公知常识（如3GPP相关的SON架构规范）来论述其模块拆分的显而易见性，你认为是否需要我为你起草一份针对该独立权利要求的新颖性或创造性攻击的逻辑推演大纲？

作为一名经验丰富的专利代理师，我针对目标专利 CN110024327B（以下简称“本专利”）的权利要求 1，结合说明书及提供的对比文件 D1（CN105409277A）和 D2（JP2019534597A）进行深入的权利要求解释、特征比对及创造性分析。

### 一、 目标专利权利要求 1 的技术内涵解释

权利要求 1 保护一种用于无线电接入网（RAN）中认知网络管理（CNM）的系统。其核心在于通过**四个功能组件**（NOM、EMA、CME、DAE）的解耦与协作，实现从“运营商目标”到“网络配置”的自动化闭环，特别是引入了“环境抽象”这一维度。

* **NOM（网络目标管理器）：** 负责“上层翻译”，将抽象的业务目标（KQI）解释为可执行的技术指标（KPI）目标。

* **EMA（环境建模和抽象）引擎：** 核心特征，负责将复杂的网络环境抽象为“状态”。其创新点在于状态由 KPI、语义标签和上下文组合而成（见本专利说明书 [0073]）。

* **CME（配置管理引擎）：** 负责“划定边界”，基于 EMA 的抽象结果，定义在特定上下文下的“合法候选配置”集合（见本专利说明书 [0077]）。

* **DAE（决策和动作引擎）：** 负责“最终匹配”，从 CME 给出的合法集合中选择最适合当前 EMA 状态的配置。

---

### 二、 技术特征比对表

根据权利要求 1 的拆解，以下为与对比文件 D1、D2 的详细比对分析：

---

### 三、 最接近对比文件分析

在创造性分析中，确定最接近对比文件通常从**领域、解决的问题及技术特征重合度**三个角度出发。

#### 1. D2 (JP2019534597A) —— 第一候选最接近对比文件

* **理由：** 经核实，D2 的说明书内容（[0001]-[0111]）与本专利（CN110024327B）的内容**高度一致**，甚至在术语定义、架构分解（NOM/EMA/CME/DAE）以及附图逻辑上完全相同。

* **技术问题与效果：** D2 同样旨在解决 5G 网络管理的复杂性，通过引入认知功能减少手动 OAM 任务（[0005]）。

* **结论：** D2 公开了权利要求 1 的**所有技术特征**。若 D2 的公开日早于本专利的优先权日，D2 将直接构成权利要求 1 的**新颖性（X）**或**创造性（Y）**的压倒性证据。

#### 2. D1 (CN105409277A) —— 第二候选最接近对比文件

* **理由：** D1 属于 SON（自组织网络）管理领域，其提出的“SON 目标管理器”以及将“运营商目标”映射为“配置参数（SCV）”的逻辑，与本专利的 CNM 架构逻辑非常接近。

* **技术问题与效果：** D1 解决的是如何自动化地根据运营商目标适配网络功能，避免手动适配的复杂性（[0003]）。

* **差异点：** D1 更多是基于“状态空间”和“预定义的模型接口”进行映射，而本专利进一步细化了“环境抽象（EMA）”这一环节，明确了状态是由“定量 KPI+语义标签+上下文”组合而成的，具有更强的认知属性。

---

### 四、 创造性与无效请求建议

#### 1. 特征公开情况总结

* **D2：** 毫无异议地公开了权利要求 1 的全部特征 A-H。

* **D1：** 公开了 A、E、G、H。对于特征 F（EMA 的具体抽象方式），D1 仅公开了基于上下文条件的“状态空间”，未明确涉及“抽象状态标签”与“定量 KPI”的有机聚类组合。

#### 2. 最薄弱的技术特征（即创造性争辩点）

若要针对本专利提出无效请求，**最薄弱的技术特征是特征 F 中的“EMA 引擎的具体抽象构成”**。

* **分析：**

* 本专利试图通过 EMA 引擎将环境“语义化”（标签化）。

* 但在 D1 中，其状态空间（State Space）的划分（如农村/城市、时间段，见图 7）实质上已经涵盖了“可操作上下文”和“环境状态”。

* 对于专利代理师而言，**抗辩/攻击点**在于：将网络环境基于 KPI 分类并打上标签（如“高负载状态”、“覆盖空洞状态”），是本领域技术人员在引入机器学习（ML）或认知功能时的**常规技术手段**。本专利虽然给出了 NOM/EMA/CME/DAE 的架构，但这种分解本质上是经典的“感知-分析-决策-执行”控制模型在网络管理领域的具体化。

#### 3. 结论建议

* **首选方案：** 重点核查 **D2 (JP2019534597A)** 的优先权和公开时间。由于其与本专利内容几乎完全相同，只要 D2 满足现有技术条件，本专利权利要求 1 极易被宣告无效。

* **备选方案：** 以 **D1** 作为 CPA（最接近对比文件），结合本领域关于“机器学习聚类分析（EMA）”和“基于策略的自动配置（CME/DAE）”的常用技术手段进行组合。

* **抗辩难点：** 本专利权利要求 1 的技术方案非常完整，涵盖了从目标接收到环境建模再到决策执行的全过程。无效请求需证明在 CNM 概念下，这种四块式架构的拆分对于本领域技术人员而言是显而易见的。

这份分析报告紧密结合了目标专利（CN110024327B）的说明书内容，并对提供的四篇对比文件进行了深度的技术特征拆解与比对。由于D1（WO2014191469A1）、D3（EP3005782A1）和D4（US20160134478A1）属于同族专利（分别为PCT申请、欧洲公开和美国公开），其说明书技术内容实质相同，下文分析中将它们作为同一组等效文件（以D1/D3/D4统称，并以英文段落号作统一标引），而D2（JP2015505228A）作为补充参考文件。

### 一、 基于目标专利说明书的权利要求解释

权利要求1主要请求保护一种**用于使得能够实现无线电接入网络中的认知网络管理（CNM）的系统**。结合目标专利说明书（如段落 [0004]、[0011]-[0013]、[0066]-[0084]），该系统的核心在于打破传统自组织网络（SON）依赖人工固定规则配置的局限，通过引入机器学习和抽象能力（即“认知功能CF”），实现动态、自动化的网络管理。

权利要求1从系统架构的角度将其划分为四个核心逻辑引擎，并限定了它们的数据流转与交互过程：

1. **NOM（网络目标管理器）**：负责“翻译”和解释最高层级的KPI/运营商目标（如段落 [0068]-[0071]）。

2. **EMA（环境建模和抽象）引擎**：负责“感知”环境，将海量的底层网络数据（KPI、上下文等）抽象降维成可用于决策的“状态（State）”（如段落 [0073]-[0074]）。

3. **CME（配置管理引擎）**：负责“划定边界”，基于EMA给出的抽象状态，从所有可能的网络配置中筛选出合法的候选集合（即排除不适用当前状态的配置）（如段落 [0077]-[0079]）。

4. **DAE（决策和动作引擎）**：负责“拍板执行”，将当前状态与候选配置集进行匹配，选出最佳的执行动作（如段落 [0081]-[0084]）。

---

### 二、 权利要求特征与对比文件的比对分析及表格

D1/D3/D4 提出了一种“SON目标管理器（SON Objective Manager）”，它自动将运营商目标推导为可供执行的配置值（SCV集合），其内部处理逻辑实质上完全覆盖了权利要求1中各个引擎的功能。D2 提出了基于“コグニティブ・マネージャ（认知管理器）”的参数评估和候选集选择。

---

### 三、 最接近的对比文件（CPA）分析

在创造性分析中，**D1 (WO2014191469A1)、D3 (EP3005782A1) 或 D4 (US20160134478A1) 是最适合作为最接近的现有技术（CPA）的对比文件。** 由于这三者是同族专利，任选其一（例如指定D4）作为CPA即可。

**从整体解决的技术问题角度看**：

目标专利为了解决“SON使用时的缺点（缺乏灵活性、手动规则调整繁琐）”，意图通过机器系统自动“翻译”高级别的运营商目标，并自动适配网络配置（说明书背景技术 [0002]-[0004]）。

这与D1/D3/D4所解决的技术问题高度一致。D4在段落 [0002]-[0003] 中明确指出，现有的SON功能通常使用默认参数运行，手动调整以适应运营商目标非常耗时且容易出错（"manual gap"）。D4提出的“SON Objective Manager”正是为了闭合这一人工干沟，将运营商目标自动推导为SON配置值。

**从技术效果角度看**：

目标专利通过NOM、EMA、CME、DAE实现了从“设定目标 -> 分析当前环境 -> 提供候选集 -> 自动执行配置”的全流程自动化。

D4公开了完全对应的全流程：获取目标（Operator Objective Interface） -> 生成状态空间（StateSpace Generation） -> 评估参数集（Generate SCV Sets） -> 部署配置（Derive policies / dynamic config）。两者达到的技术效果（即提高网络自适应能力、降低人工干预）完全一致。

---

### 四、 未被CPA公开的特征及其他对比文件的公开情况

D1/D3/D4 实质上完整公开了权利要求1关于信息流、处理逻辑和参数映射的所有技术步骤。唯一存在的字面差异在于**术语的使用**：

1. **“认知网络管理（CNM）”与“认知功能（CF）”**：D1/D3/D4使用的是“自组织网络（SON）”和“SON功能”。

2. **引擎的名称划分**：目标专利将架构明确命名为NOM、EMA、CME、DAE四个引擎；而D1/D3/D4将其整体称为“SON Objective Manager”，但在其内部的“Process Flow（处理流程，见Fig.4和Fig.6）”中执行了这四个模块的独立逻辑步骤。

**其他对比文件的公开情况**：

针对上述术语差异，**D2 (JP2015505228A)** 起到了完美的补充作用。D2在段落 [0016]-[0023] 中明确探讨了无线电接入网络中的**“认知无线电（コグニティブ無線）”**和**“认知管理器（コグニティブ・マネージャ）”**（包括CM-SM和CM-RM）。D2指出，认知系统需要分布式的SON功能来解决复杂的干扰和频谱问题，并且需要通过评估候选参数组来自动适应环境。

因此，“将传统SON功能升级为/称为认知网络管理（CNM）和认知功能（CF）”这一特征，已经被D2明确公开，属于本领域技术人员结合D2常规的术语替换和技术演进。

---

### 五、 无效请求中最薄弱的技术特征

若针对本权利要求提出无效请求，其**最薄弱的技术特征是“将系统划分为NOM、EMA、CME、DAE四个特定名称的引擎及其功能界定”（即特征A、B、C、D及它们对应的功能描述E、F、G、H）。**

**薄弱原因分析**：

这四个引擎本质上是经典“基于策略和目标的自动化闭环控制系统”（即著名的MAPE-K环：Monitor, Analyze, Plan, Execute）在软件逻辑上的模块化拆解。

1. **功能实质被完全覆盖**：尽管目标专利赋予了这四个模块全新的缩写名（NOM, EMA, CME, DAE），但当我们将剥离掉这些名词外衣，审视其底层的计算机执行逻辑时会发现，D1/D3/D4中的流程图（Fig. 4/Fig. 6）所描述的计算机步骤与之一一对应。D1/D3/D4中的“STEP 1/2获取条件 + STEP 3生成StateSpace”完全等同于EMA引擎；“STEP 5生成SCV集合”完全等同于CME引擎；“STEP 6导出策略或匹配”完全等同于DAE引擎。

2. **纯粹的软件架构划分不具备强创造性**：在无效宣告程序中（尤其是中、欧、美的专利审查实践中），如果被诉侵权/被无效专利仅仅是将现有技术中集中执行的几个连续步骤，人为划分为几个名为“XX引擎”的软件模块，而在硬件底层（至少一个处理器和存储器）以及整体数据处理算法（目标输入->状态划分->候选计算->匹配输出）上没有产生预料不到的技术效果，通常会被认定为属于本领域技术人员的常规软件架构设计手段。

**无效攻击策略**：

以 D4 (或D1/D3) 为最接近的现有技术，结合 D2。指出 D4 的 SON Objective Manager 内部步骤分别等同于 NOM、EMA、CME、DAE；且结合 D2 中“认知管理器”的术语与应用场景，本领域技术人员有动机将 D4 中的架构用于认知网络环境。该权利要求的创造性防线非常容易被击破。

根据权利要求1所述的系统，进一步包括： 协调引擎，所述协调引擎包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得协调引擎：学习不同CF决策对其他CF的一个或多个影响； 解释学习的知识；以及 建议对CME和DAE的修改以最小化所述一个或多个影响。

根据权利要求1或权利要求2所述的系统，其中，NOM进一步包括计算机程序代码，所述计算机程序代码被配置成与处理器一起使得装置：接收一个或多个关键质量指标（KQI）输入；以及 提供加权或优先级排序的KPI目标。

根据权利要求1或权利要求2所述的系统，其中，EMA引擎被实现为分类器，所述分类器被配置成将KPI或KPI的组合聚类成在逻辑上彼此可区分的集合。

根据权利要求1或权利要求2所述的系统，其中，CME被实现为监督学习代理，所述监督学习代理应用神经网络、支持矢量机或其他学习算法，其评估指示在实现不同的上下文中的定义的KPI目标方面中的不同配置的质量的历史数据，以选择合法配置。

根据权利要求1或权利要求2所述的系统，其中，DAE进一步包括计算机程序代码，所述计算机程序代码被配置成与处理器一起使得装置：从合法网络配置的应用并且朝向不同的运营商目标学习如由EMA定义的不同上下文中的不同网络配置的质量，并且随后针对网络上下文和状态选择最佳网络配置。

根据权利要求1或权利要求2所述的系统，其中，DAE被实现为单个目标RL代理，其中，单个目标是优化CF要求，所述CF要求包括针对不同技术目标或KPI的一个或多个目标。

根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第一接口，所述第一接口被配置成提供预期由CF实现的KPI目标以及指示要如何解释目标的附加信息，附加信息包括KPI的权重、优先级或效用中的一个或多个。

根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第二接口，所述第二接口被配置成提供EMA与CE、CME和DAE中的一个或多个之间的连接；并提供如由EMA创建的抽象环境状态或上下文。

根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第三接口，所述第三接口被配置成提供CE与CME之间的连接；并提供由CE导出的关于具体CF的配置的规则。

根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第四接口，所述第四接口被配置成提供CE与DAE之间的连接；并提供合法的网络配置的集合。

根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第五接口，所述第五接口被配置成提供DAE与EMA之间的连接；并携带如由DAE选择的当前网络配置。

根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第五接口，所述第五接口被配置成提供DAE与CME和CE中的一个或多个之间的连接，并携带当前网络配置和相关的KPI测量的报告。

一种用于使得能够实现无线电接入网络中的认知网络管理（CNM）的方法，所述方法包括：利用网络目标管理器（NOM）、环境建模和抽象（EMA）引擎、配置管理引擎（CME）以及决策和动作引擎（DAE）； 由NOM解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标，以确保CNM或具体CF调整其行为以便实现运营商目标； 由EMA引擎将环境抽象成状态，表示具体CF在其中操作的不同可操作上下文和情况，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个构建； 由CME基于如由EMA引擎导出的抽象环境和可操作上下文针对CF的不同上下文定义一个或多个合法候选网络配置； 由DAE将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配。

根据权利要求14所述的方法，进一步包括： 利用协调引擎； 由协调引擎学习不同CF决策对其他CF的一个或多个影响； 解释学习的知识；以及 建议对CME和DAE的修改以最小化所述一个或多个影响。

根据权利要求14或权利要求15所述的方法，进一步包括：在NOM处接收一个或多个关键质量指标（KQI）输入；以及由NOM提供加权或优先级排序的KPI目标。

根据权利要求14或权利要求15所述的方法，其中，EMA引擎被实现为分类器，所述分类器被配置成将KPI或KPI的组合聚类成在逻辑上彼此可区分的集合。

根据权利要求14或权利要求15所述的方法，其中，CME被实现为监督学习代理，所述监督学习代理应用神经网络、支持矢量机或其他学习算法，其评估指示在实现不同的上下文中的定义的KPI目标方面中的不同配置的质量的历史数据，以选择合法配置。

根据权利要求14或权利要求15所述的方法，进一步包括：由DAE从合法网络配置的应用并且朝向不同的运营商目标学习如由EMA定义的不同上下文中的不同网络配置的质量，并且随后针对网络上下文和状态选择最佳网络配置。

一种装置，包括： 用于利用网络目标管理器（NOM）、环境建模和抽象（EMA）引擎、配置管理引擎（CME）以及决策和动作引擎（DAE）的装置； 用于由NOM解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标以确保CNM或具体CF调整其行为以便实现运营商目标的装置； 用于由EMA引擎将环境抽象成状态表示具体CF在其中操作的不同可操作上下文和情况的装置，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个构建； 用于由CME基于如由EMA引擎导出的抽象环境和可操作上下文针对CF的不同上下文定义一个或多个合法候选网络配置的装置； 用于由DAE将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配的装置。