移动通信网流量数据分析及预测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 算法索引 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 论文主要研究内容和贡献 | 第17-18页 |
| 1.4 组织结构和内容安排 | 第18-21页 |
| 第二章 分析与预测基本方法 | 第21-33页 |
| 2.1 Kmeans聚类 | 第21-22页 |
| 2.2 Gap统计量 | 第22-24页 |
| 2.2.1 Gap统计量确定簇数目算法原理 | 第22-23页 |
| 2.2.2 Gap统计量确定簇数目算法流程 | 第23-24页 |
| 2.3 支持向量回归 | 第24-30页 |
| 2.3.1 基本原理 | 第24-25页 |
| 2.3.2 线性支持向量回归 | 第25-28页 |
| 2.3.3 非线性支持向量回归 | 第28-29页 |
| 2.3.4 支持向量回归模型特性 | 第29-30页 |
| 2.4 粒子群智能优化算法 | 第30-32页 |
| 2.4.1 粒子群优化算法原理 | 第30-31页 |
| 2.4.2 粒子群优化算法流程 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 数据集基本情况 | 第33-39页 |
| 3.1 数据集介绍 | 第33-34页 |
| 3.2 数据预处理工作 | 第34-36页 |
| 3.3 基站负载基本统计特性 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基站负载数据时空分析 | 第39-51页 |
| 4.1 基站负载时间自相关分析 | 第39-41页 |
| 4.2 基站负载空间相关性分析 | 第41-46页 |
| 4.2.1 全局空间自相关性分析 | 第42-44页 |
| 4.2.2 局部空间自相关性分析 | 第44-46页 |
| 4.3 基站聚类分析 | 第46-50页 |
| 4.3.1 基站聚类分析方法 | 第46-47页 |
| 4.3.2 基站聚类结果分析 | 第47-48页 |
| 4.3.3 不同类别基站地理空间位置分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 近邻辅助的基站负载预测技术 | 第51-61页 |
| 5.1 改进预测方案基本思想 | 第51-52页 |
| 5.2 基站负载改进预测方案 | 第52-54页 |
| 5.2.1 近邻基站集合选择 | 第52-53页 |
| 5.2.2 历史信息回溯长度定阶 | 第53页 |
| 5.2.3 改进方案的预测流程 | 第53-54页 |
| 5.3 改进方案性能测试与结果分析 | 第54-59页 |
| 5.3.1 预测性能测试方案 | 第54页 |
| 5.3.2 预测性能评价指标 | 第54-55页 |
| 5.3.3 PSO-SVR参数有效性验证 | 第55-57页 |
| 5.3.4 预测性能结果分析 | 第57-58页 |
| 5.3.5 预测所需信息量比较 | 第58-59页 |
| 5.4 基站负载预测的应用 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-65页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 在读期间发表的学术论文与取得的研究成果 | 第71页 |
