大数据分析在移动通信网络优化中的应用研究
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 研究思路与方法 | 第14-16页 |
| 1.3.1 研究思路 | 第15页 |
| 1.3.2 研究方法 | 第15-16页 |
| 1.4 研究内容与创新点 | 第16-19页 |
| 1.4.1 研究内容 | 第16-18页 |
| 1.4.2 研究创新点 | 第18-19页 |
| 2 相关理论概述 | 第19-25页 |
| 2.1 移动通信网络概述 | 第19-20页 |
| 2.1.1 移动通信发展概况 | 第19页 |
| 2.1.2 移动通信网络组网 | 第19-20页 |
| 2.2 移动通信网络优化理论 | 第20-22页 |
| 2.2.1 移动通信网络优化概念 | 第20-21页 |
| 2.2.2 移动通信网络优化技术 | 第21-22页 |
| 2.3 大数据分析理论 | 第22页 |
| 2.3.1 聚类分析 | 第22页 |
| 2.3.2 关联分析 | 第22页 |
| 2.3.3 预测分析 | 第22页 |
| 2.4 大数据分析技术 | 第22-25页 |
| 2.4.1 数据库分析技术 | 第23-24页 |
| 2.4.2 决策支持技术 | 第24-25页 |
| 3 基于矩阵分析的路测数据预测 | 第25-36页 |
| 3.1 路测数据问题预测分析 | 第25-26页 |
| 3.2 干扰矩阵分析概述 | 第26-27页 |
| 3.3 基于矩阵分析的路测数据预测方案 | 第27页 |
| 3.4 基于矩阵分析的路测数据预测模型 | 第27-29页 |
| 3.4.1 路测数据采集 | 第27-28页 |
| 3.4.2 干扰数据采集 | 第28页 |
| 3.4.3 建立矩阵分析模型 | 第28-29页 |
| 3.4.4 路测数据分析预测 | 第29页 |
| 3.5 基于矩阵分析的路测数据预测的应用 | 第29-36页 |
| 4 基于聚类分析的后台数据优化 | 第36-47页 |
| 4.1 后台数据分析的困境 | 第36-37页 |
| 4.2 后台数据库与网络结构 | 第37-38页 |
| 4.3 基于聚类分析的后台数据优化方案 | 第38页 |
| 4.4 基于聚类分析的后台数据优化模型 | 第38-41页 |
| 4.4.1 后台数据采集 | 第38页 |
| 4.4.2 后台数据分类 | 第38-39页 |
| 4.4.3 建立聚类分析模型 | 第39-40页 |
| 4.4.4 后台数据自动优化 | 第40-41页 |
| 4.5 基于聚类分析的后台数据优化的应用 | 第41-47页 |
| 5 基于关联规则的网络投诉数据分析 | 第47-61页 |
| 5.1 网络投诉工作的困境 | 第47页 |
| 5.2 投诉分析与问题定位 | 第47-48页 |
| 5.3 基于关联规则的网络投诉优化方案 | 第48-50页 |
| 5.4 基于关联规则的网络投诉分析模型 | 第50-52页 |
| 5.4.1 网络投诉数据采集 | 第50-51页 |
| 5.4.2 用户业务数据采集 | 第51页 |
| 5.4.3 建立关联分析模型 | 第51-52页 |
| 5.4.4 网络投诉问题自动定位 | 第52页 |
| 5.5 基于关联规则的网络投诉分析的应用 | 第52-61页 |
| 6 结论与展望 | 第61-64页 |
| 6.1 本文研究结论 | 第61-62页 |
| 6.2 未来研究展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |
