| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状分析 | 第14-21页 |
| 1.2.1 国内外频谱测量研究工作介绍 | 第14-15页 |
| 1.2.2 频谱预测 | 第15-20页 |
| 1.2.3 数据挖掘 | 第20-21页 |
| 1.3 论文的研究内容及组织结构 | 第21-24页 |
| 第二章 频谱数据采集与分析 | 第24-34页 |
| 2.1 数据采集 | 第24-27页 |
| 2.1.1 采集设备简介 | 第24-25页 |
| 2.1.2 测量场景 | 第25-26页 |
| 2.1.3 主要测量参数设置 | 第26页 |
| 2.1.4 采集结果 | 第26-27页 |
| 2.2 数据预处理 | 第27-28页 |
| 2.3 数据分析 | 第28-32页 |
| 2.3.1 信道占用情况分析 | 第28-31页 |
| 2.3.2 信道相关性分析 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 基于数据挖掘的频谱时间维占用预测 | 第34-52页 |
| 3.1 关联规则挖掘 | 第34-35页 |
| 3.2 部分周期模式挖掘 | 第35-38页 |
| 3.3 时间维频谱预测方法 | 第38-44页 |
| 3.3.1 涉及的主要概念 | 第38-40页 |
| 3.3.2 算法描述 | 第40-44页 |
| 3.4 时间维频谱预测实验结果 | 第44-51页 |
| 3.4.1 三个业务的预测结果 | 第44-46页 |
| 3.4.2 主要影响参数分析 | 第46-49页 |
| 3.4.3 部分周期与完全周期频繁模式挖掘结果对比 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于数据挖掘的频率维频谱占用预测 | 第52-64页 |
| 4.1 频率维频谱预测方法 | 第52-53页 |
| 4.2 信道聚类方法描述 | 第53-59页 |
| 4.2.1 基于最小信息熵增量的信道聚类方法 | 第53-55页 |
| 4.2.2 基于密度的聚类方法 | 第55-56页 |
| 4.2.3 基于密度的信道相关性聚类方法 | 第56-57页 |
| 4.2.4 两种聚类方法的对比分析 | 第57-59页 |
| 4.3 频率维预测实验结果 | 第59-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 基于数据挖掘的频谱监测数据应用原型系统设计与实现 | 第64-81页 |
| 5.1 系统概述 | 第64-66页 |
| 5.1.1 需求分析 | 第64-65页 |
| 5.1.2 系统环境配置 | 第65-66页 |
| 5.2 系统结构简介 | 第66-67页 |
| 5.3 数据库设计 | 第67-69页 |
| 5.4 系统主要功能模块设计与实现 | 第69-80页 |
| 5.4.1 用户管理模块 | 第70-72页 |
| 5.4.2 数据管理模块 | 第72-74页 |
| 5.4.3 数据分析与预处理模块 | 第74-77页 |
| 5.4.4 数据挖掘模块 | 第77-79页 |
| 5.4.5 结果验证模块 | 第79-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 结论与展望 | 第81-83页 |
| 6.1 结论 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 攻读硕士学位期间取得的成果 | 第89-90页 |