| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 认知无线电技术概述 | 第9-11页 |
| 1.3 数据挖掘技术概述 | 第11-14页 |
| 1.3.1 数据挖掘的功能 | 第11-13页 |
| 1.3.2 数据挖掘流程 | 第13-14页 |
| 1.4 本文主要研究内容及组织结构 | 第14-17页 |
| 第二章 基于频谱感知数据挖掘的认知无线电通信系统 | 第17-25页 |
| 2.1 传统的认知无线电系统架构 | 第17-19页 |
| 2.2 基于数据挖掘的认知无线通信系统 | 第19-23页 |
| 2.2.1 基于数据挖掘的认知无线通信系统架构设计 | 第19-21页 |
| 2.2.2 支持数据挖掘功能的控制中心 | 第21-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 频谱数据的0-1序列模式挖掘算法 | 第25-39页 |
| 3.1 频谱数据0-1序列模式挖掘方案 | 第25-29页 |
| 3.1.1 近似熵原理 | 第27-28页 |
| 3.1.2 基于滑动窗口的近似熵序列分段算法 | 第28-29页 |
| 3.2 基于TV认知无线电频谱数据仿真 | 第29-33页 |
| 3.2.1 授权用户系统配置 | 第30-32页 |
| 3.2.2 非授权用户参数和模型 | 第32-33页 |
| 3.3 TV频谱感知数据0-1序列算法结果分析 | 第33-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 频谱数据的支持向量机预测算法 | 第39-61页 |
| 4.1 传统支持向量机时间序列预测算法 | 第39-46页 |
| 4.1.1 时间序列预测算法 | 第39-41页 |
| 4.1.2 支持向量机回归原理 | 第41-44页 |
| 4.1.3 时间序列支持向量机回归需要解决的问题 | 第44-46页 |
| 4.2 改进的支持向量机频谱序列相关性预测算法 | 第46-55页 |
| 4.2.1 训练样本预处理-聚类 | 第46-48页 |
| 4.2.2 基于相关性分析的参数优化 | 第48页 |
| 4.2.3 基于聚类的支持向量机相关性预测算法 | 第48-50页 |
| 4.2.4 负荷时间序列实例分析 | 第50-55页 |
| 4.3 频谱感知数据仿真与算法分析 | 第55-59页 |
| 4.3.1 全球通信接入强度仿真 | 第55-57页 |
| 4.3.2 改进支持向量机预测算法结果与分析 | 第57-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结和展望 | 第61-65页 |
| 5.1 全文工作总结 | 第61-62页 |
| 5.2 下一步的工作 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者攻读学位期间发表的学术论文 | 第71页 |