基于数据挖掘的移动网络优化与运营技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 移动通信网络现状和趋势 | 第9-11页 |
| 1.2 移动互联网对电信业的影响 | 第11-12页 |
| 1.3 数据挖掘技术简介 | 第12-14页 |
| 1.4 论文研究内容及研究意义 | 第14-16页 |
| 1.4.1 论文研究内容 | 第14-16页 |
| 1.4.2 论文研究意义 | 第16页 |
| 1.5 论文组织结构安排 | 第16-19页 |
| 第二章 基于数据挖掘的网络性能分析 | 第19-35页 |
| 2.1 数据源与数据预处理 | 第19-21页 |
| 2.1.1 数据源简介 | 第19-20页 |
| 2.1.2 数据预处理 | 第20-21页 |
| 2.2 聚类分析算法 | 第21-26页 |
| 2.2.1 聚类算法分类 | 第22-23页 |
| 2.2.2 K-means聚类算法 | 第23-26页 |
| 2.3 无线资源利用率分析 | 第26-34页 |
| 2.3.1 无线资源余量定义 | 第26-27页 |
| 2.3.2 无线资源余量时域分析 | 第27-31页 |
| 2.3.3 无线资源余量空域分析 | 第31-34页 |
| 2.4 小结 | 第34-35页 |
| 第三章 基于业务预测的无线资源动态优化技术 | 第35-47页 |
| 3.1 业务量预测 | 第35-42页 |
| 3.1.1 时间序列预测概述 | 第35-36页 |
| 3.1.2 业务数据的特征分析 | 第36-37页 |
| 3.1.3 K近邻算法原理 | 第37-38页 |
| 3.1.4 基于K近邻的业务预测 | 第38-40页 |
| 3.1.5 预测性能评估 | 第40-41页 |
| 3.1.6 预测结果应用 | 第41-42页 |
| 3.2 基于业务预测的无线资源动态优化 | 第42-45页 |
| 3.2.1 优化流程框架 | 第42页 |
| 3.2.2 优化问题与数学表达 | 第42-43页 |
| 3.2.3 优化算法求解 | 第43-44页 |
| 3.2.4 算法性能评估 | 第44-45页 |
| 3.3 小结 | 第45-47页 |
| 第四章 基于用户偏好分析的智能化业务推荐 | 第47-59页 |
| 4.1 数据采集与数据描述 | 第47-51页 |
| 4.1.1 数据采集框图 | 第47-48页 |
| 4.1.2 深度包检测技术 | 第48-49页 |
| 4.1.3 数据描述 | 第49-51页 |
| 4.2 用户业务偏好行为描述 | 第51-53页 |
| 4.2.1 特征维度选取 | 第51页 |
| 4.2.2 务偏好量化 | 第51-53页 |
| 4.3 基于矩阵分解和最近邻的智能化业务推荐算法 | 第53-58页 |
| 4.3.1 推荐算法概述 | 第53页 |
| 4.3.2 SVD矩阵分解 | 第53-55页 |
| 4.3.3 基于SVD和最近邻的智能化推荐算法 | 第55-56页 |
| 4.3.4 实验结果 | 第56-58页 |
| 4.4 小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文总结 | 第59页 |
| 5.2 未来研究展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-65页 |
| 硕士期间发表论文情况 | 第65页 |
