| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第16-36页 |
| 1.1 研究背景及意义 | 第16-19页 |
| 1.2 移动网络状态分析研究现状 | 第19-29页 |
| 1.2.1 移动网络状态的概念 | 第19-21页 |
| 1.2.2 移动网络KPI数据特点 | 第21-23页 |
| 1.2.3 移动网络状态分析中的关键问题 | 第23-29页 |
| 1.3 移动网络状态分析方法 | 第29-32页 |
| 1.3.1 基于PRE原理的相关性分析 | 第30页 |
| 1.3.2 基于独立性检验的关联性分析 | 第30-31页 |
| 1.3.3 大数据关联性研究的方法 | 第31-32页 |
| 1.4 本文研究内容和主要贡献 | 第32-33页 |
| 1.5 论文结构安排 | 第33-36页 |
| 第2章 基于多维KPI联合检测的网络异常状态分析 | 第36-64页 |
| 2.1 引言 | 第36-38页 |
| 2.2 基于KPI异常检测的问题描述 | 第38-40页 |
| 2.3 KLOF的定义 | 第40-42页 |
| 2.4 KLOF的性质 | 第42-53页 |
| 2.4.1 核函数的选择 | 第42-45页 |
| 2.4.2 密度扰动敏感度分析 | 第45-50页 |
| 2.4.3 上下界分析 | 第50-53页 |
| 2.5 基于KLOF的多维KPI联合检测 | 第53-61页 |
| 2.5.1 基于双层频繁模式挖掘的KPI维度选择 | 第54-59页 |
| 2.5.2 多维KPI联合检测 | 第59-61页 |
| 2.6 本章小结 | 第61-64页 |
| 第3章 基于多维KPI关联的网络异常根因分析 | 第64-94页 |
| 3.1 引言 | 第64-65页 |
| 3.2 KPI异常原因分析问题描述 | 第65-68页 |
| 3.2.1 异常多重稀疏性 | 第65-67页 |
| 3.2.2 KPI含义不同 | 第67-68页 |
| 3.3 基于分层聚类的异常根因分析框架 | 第68-83页 |
| 3.3.1 基于SOM和K-mediods的异常类别划分 | 第68-72页 |
| 3.3.2 基于KS检验和互信息熵的异常根因分析 | 第72-79页 |
| 3.3.3 仿真集验证 | 第79-83页 |
| 3.4 多维KPI异常根因分析案例 | 第83-92页 |
| 3.4.1 基于SKPI的异常类别划分 | 第84-88页 |
| 3.4.2 异常根因分析 | 第88-92页 |
| 3.5 本章小结 | 第92-94页 |
| 第4章 基于局部关联的细粒度突发流量预测 | 第94-144页 |
| 4.1 引言 | 第94-95页 |
| 4.2 移动网流量状态特性分析 | 第95-113页 |
| 4.2.1 流量数据介绍 | 第95-101页 |
| 4.2.2 不同时空尺度流量预测结果分析 | 第101-110页 |
| 4.2.3 细粒度流量状态特点分析 | 第110-113页 |
| 4.3 多维流量状态预测问题描述 | 第113-117页 |
| 4.3.1 信息补偿分析 | 第113-115页 |
| 4.3.2 数学描述 | 第115-117页 |
| 4.4 基于局部关联的数据驱动预测模型 | 第117-141页 |
| 4.4.1 流量局部关联维度选择 | 第117-133页 |
| 4.4.2 基于局部关联的流量状态预测 | 第133-141页 |
| 4.5 本章小结 | 第141-144页 |
| 第5章 总结和展望 | 第144-148页 |
| 5.1 工作总结 | 第144-147页 |
| 5.2 未来展望 | 第147-148页 |
| 参考文献 | 第148-158页 |
| 攻读博士学位期间发表的论文和研究成果 | 第158-160页 |
| 攻读博士学位期间的研究经历 | 第160-162页 |
| 致谢 | 第162-163页 |