聚类分析在流量智能管控系统中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状综述 | 第10-13页 |
| 1.2.1 聚类分析技术及其应用研究现状 | 第10-11页 |
| 1.2.2 移动数据业务流量智能管控技术应用研究 | 第11-12页 |
| 1.2.3 基于流量监测的用户和网元数据采集 | 第12-13页 |
| 1.3 本文研究内容与结构 | 第13-15页 |
| 1.3.1 研究内容与创新点 | 第13页 |
| 1.3.2 本文结构 | 第13-15页 |
| 第二章 聚类分析技术 | 第15-22页 |
| 2.1 聚类分析的基本概念 | 第15-17页 |
| 2.1.1 相似度 | 第15-16页 |
| 2.1.2 主要的聚类分析方法 | 第16-17页 |
| 2.1.3 聚类评估的方法 | 第17页 |
| 2.2 混合属性数据聚类分析方法 | 第17-20页 |
| 2.2.1 K-Modes聚类 | 第18-19页 |
| 2.2.2 模糊的K-Prototypes聚类 | 第19-20页 |
| 2.3 凝聚层次聚类 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 信令监测与智能管控 | 第22-37页 |
| 3.1 PS域信令监测系统概述 | 第23-29页 |
| 3.1.1 系统总体架构 | 第23-25页 |
| 3.1.2 系统实现的关键技术 | 第25-28页 |
| 3.1.3 系统功能概述 | 第28-29页 |
| 3.2 PCC智能管控系统概述 | 第29-35页 |
| 3.2.1 PCC总体架构 | 第29-31页 |
| 3.2.2 PCC策略触发流程 | 第31-32页 |
| 3.2.3 功能实现说明 | 第32-35页 |
| 3.3 信令监测与智能管控的协同应用 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 聚类分析在PCC策略制定中的应用 | 第37-53页 |
| 4.1 智能管控策略制定的流程 | 第37-38页 |
| 4.1.1 策略制定的一般流程 | 第37-38页 |
| 4.1.2 精细化的策略制定流程 | 第38页 |
| 4.2 移动用户的细分模型 | 第38-45页 |
| 4.2.1 描述用户属性的指标选择与设计 | 第39-41页 |
| 4.2.2 数据预处理 | 第41-42页 |
| 4.2.3 混合属性聚类算法建模 | 第42-43页 |
| 4.2.4 实验结果分析 | 第43-45页 |
| 4.3 网元忙闲聚类分析 | 第45-50页 |
| 4.3.1 快速分组 | 第45-47页 |
| 4.3.2 层次聚类 | 第47页 |
| 4.3.3 实验结果分析 | 第47-50页 |
| 4.4 用户群和忙时忙区的组合控制策略的制定 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
