针对基站聚类和用户行为分析的移动通信网络资源优化技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 移动通信网络现状 | 第9-11页 |
| 1.2 智能终端对于网络的影响 | 第11页 |
| 1.3 数据挖掘 | 第11-12页 |
| 1.4 深度报文检测技术 | 第12-13页 |
| 1.5 本文主要内容 | 第13-15页 |
| 第二章 基于小区聚类的网络资源优化技术 | 第15-45页 |
| 2.1 小区划分方法概述 | 第15-16页 |
| 2.2 小区聚类原因 | 第16-17页 |
| 2.2.1 聚类方法概述 | 第17页 |
| 2.3 常见聚类算法分类 | 第17-22页 |
| 2.3.1 不同簇类型 | 第17-19页 |
| 2.3.2 典型聚类算法举例 | 第19-22页 |
| 2.4 并行结合属性聚类方法 | 第22-29页 |
| 2.4.1 数据源及说明 | 第22-27页 |
| 2.4.2 并行结合属性聚类软件设计 | 第27-28页 |
| 2.4.3 聚类结果评价 | 第28-29页 |
| 2.5 串行结合属性聚类方法 | 第29-40页 |
| 2.5.1 一次聚类算法选取 | 第30-31页 |
| 2.5.2 二次聚类算法选取 | 第31页 |
| 2.5.3 总体方法和步骤 | 第31-32页 |
| 2.5.4 特征维度选取 | 第32-34页 |
| 2.5.5 数据预处理 | 第34-36页 |
| 2.5.6 小区地理属性聚类 | 第36页 |
| 2.5.7 地理属性聚类后数据处理 | 第36-38页 |
| 2.5.8 K值选取 | 第38-39页 |
| 2.5.9 小区业务属性聚类 | 第39-40页 |
| 2.6 聚类结果及网络优化应用 | 第40-44页 |
| 2.6.1 针对不用优化目标的聚类结果 | 第40-43页 |
| 2.6.2 数据可视化输出 | 第43-44页 |
| 2.7 小结 | 第44-45页 |
| 第三章 属性聚类后续网络优化 | 第45-55页 |
| 3.1 业务预测 | 第45-49页 |
| 3.1.1 业务数据的特征分析 | 第46页 |
| 3.1.2 数据预处理 | 第46-47页 |
| 3.1.3 基于支持向量机的预测模型 | 第47-49页 |
| 3.1.4 实验结果 | 第49页 |
| 3.2 类别预测 | 第49-52页 |
| 3.2.1 C4.5分类算法介绍 | 第50-51页 |
| 3.2.2 训练模型 | 第51-52页 |
| 3.2.3 预测 | 第52页 |
| 3.3 小结 | 第52-55页 |
| 第四章 基于用户行为的网络优化技术 | 第55-67页 |
| 4.1 用户感知下载速率测量方法 | 第55-60页 |
| 4.1.1 用户下载速率传统获取方法 | 第55-56页 |
| 4.1.2 方案设计 | 第56-59页 |
| 4.1.3 方案实施效果 | 第59-60页 |
| 4.2 整体业务行为分析 | 第60-65页 |
| 4.2.1 数据源及说明 | 第60页 |
| 4.2.2 数据感知与数据可视化 | 第60-63页 |
| 4.2.3 业务行为统计拟合 | 第63-65页 |
| 4.3 小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 论文总结 | 第67页 |
| 5.2 未来研究展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-73页 |
| 硕士期间发表论文情况 | 第73页 |
