10:08arXiv cs.LG@Xiang Shi, Yifei Zhang, Peng Hu论文利用 LENS 数据集中的 Starlink RTT 测量数据,提出一个层级分析框架,将原始 RTT 序列转化为多尺度统计特征以进行跨区域比较。基于五个地理代表性区域的数据,发现延迟差异与基础设施可用性和 Starlink 天线到 PoP 距离强相关。互信息分析确认最小 RTT 为最具区分度的特征,XGBoost 特征重要性进一步支持该结论。模型在短期数据上达到 83% 准确率,但长期泛化能力下降,表明需要自适应模型。论文StarlinkLEO卫星互联网RTT延迟分析XGBoost推荐理由:想知道 Starlink 在不同地区延迟差异的原因?这篇论文用数据和机器学习告诉你答案,还给出了 83% 准确率的模型。原文