基于用户行为预测的无线通信网络资源分配优化研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 相关研究现状 | 第11-13页 |
| 1.2.1 用户行为的分类及分析预测研究现状 | 第11-12页 |
| 1.2.2 基于用户行为的资源分配研究现状 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 预测算法和资源分配场景相关技术 | 第16-33页 |
| 2.1 机器学习预测算法 | 第16-27页 |
| 2.1.1 数据预处理 | 第17-20页 |
| 2.1.2 浅层学习之随机森林 | 第20-22页 |
| 2.1.3 浅层学习之支持向量机 | 第22-23页 |
| 2.1.4 深层学习之长短期记忆网络 | 第23-27页 |
| 2.2 资源分配场景相关技术介绍 | 第27-32页 |
| 2.2.1 MEC技术 | 第27-29页 |
| 2.2.2 大规模MIMO天线技术 | 第29-30页 |
| 2.2.3 自组织网络 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 用户行为分析预测 | 第33-41页 |
| 3.1 时间序列预测与数据预处理 | 第33-35页 |
| 3.1.1 时间序列预测 | 第33页 |
| 3.1.2 数据预处理 | 第33-35页 |
| 3.2 长短期记忆网络模型搭建 | 第35-36页 |
| 3.3 预测算法的调参及性能比较 | 第36-40页 |
| 3.3.1 评价指标 | 第36页 |
| 3.3.2 长短期记忆网络模型的调参 | 第36-38页 |
| 3.3.3 对比其他算法 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于预测的资源分配方案 | 第41-56页 |
| 4.1 系统模型 | 第41-43页 |
| 4.1.1 单小区系统模型 | 第41-42页 |
| 4.1.2 多小区系统模型 | 第42-43页 |
| 4.2 能效 | 第43-45页 |
| 4.2.1 速率 | 第43-44页 |
| 4.2.2 能耗 | 第44-45页 |
| 4.3 单小区场景下的天线分配方案 | 第45-50页 |
| 4.4 多小区场景下的天线分配方案 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结和展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文和申请的发明专利 | 第63页 |
