基于大数据的频谱分析算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 频谱监测技术 | 第10-11页 |
| 1.2.2 频谱使用评估 | 第11-12页 |
| 1.2.3 台站定位技术 | 第12页 |
| 1.2.4 异常检测技术 | 第12-13页 |
| 1.3 本文的主要工作及贡献 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 频谱分析 | 第15-25页 |
| 2.1 频谱参数分析 | 第15-21页 |
| 2.1.1 频率估计 | 第15-18页 |
| 2.1.2 功率值估计 | 第18-19页 |
| 2.1.3 带宽估计 | 第19-20页 |
| 2.1.4 频谱占用度测量 | 第20页 |
| 2.1.5 杂散发射和带外发射测量 | 第20-21页 |
| 2.1.6 邻道泄漏功率比 | 第21页 |
| 2.1.7 载频容限 | 第21页 |
| 2.2 台站分析 | 第21-24页 |
| 2.2.1 台站的定位 | 第22-24页 |
| 2.2.2 台站的合法性 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 数据挖掘和大数据分析平台 | 第25-33页 |
| 3.1 数据挖掘 | 第25-28页 |
| 3.2 大数据分析平台 | 第28-31页 |
| 3.2.1 Hadoop | 第28-29页 |
| 3.2.2 HDFS | 第29-30页 |
| 3.2.3 MapReduce | 第30-31页 |
| 3.2.4 Hive | 第31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 频谱异常检测 | 第33-53页 |
| 4.1 频谱异常 | 第33-34页 |
| 4.2 逻辑回归 | 第34-38页 |
| 4.3 贝叶斯分类 | 第38-44页 |
| 4.3.1 朴素贝叶斯分类算法 | 第38-41页 |
| 4.3.2 k-means算法离散化连续属性 | 第41-43页 |
| 4.3.3 异常预测 | 第43-44页 |
| 4.4 实验结果 | 第44-51页 |
| 4.4.1 数据预处理 | 第44-46页 |
| 4.4.2 逻辑回归 | 第46-48页 |
| 4.4.3 朴素贝叶斯分类 | 第48-51页 |
| 4.4.4 算法对比 | 第51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 频谱占用度和带宽预测 | 第53-67页 |
| 5.1 频谱占用度和带宽 | 第53页 |
| 5.2 数据预处理 | 第53-56页 |
| 5.2.1 频谱占用度的计算 | 第54页 |
| 5.2.2 带宽计算 | 第54页 |
| 5.2.3 特征属性归一化 | 第54-56页 |
| 5.3 BP神经网络算法 | 第56-60页 |
| 5.4 实验验证 | 第60-65页 |
| 5.4.1 频谱占用度预测 | 第60-64页 |
| 5.4.2 带宽预测 | 第64-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文总结 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
