【摘要】：隨著移動(dòng)通信技術(shù)的不斷演進(jìn),4G技術(shù)的逐漸普及,數(shù)據(jù)傳輸?shù)乃俣瘸掷m(xù)提高,數(shù)據(jù)業(yè)務(wù)呈現(xiàn)爆發(fā)式增長,與之相應(yīng)的,數(shù)據(jù)流量日益劇增。這對通信運(yùn)營商提出了挑戰(zhàn),在移動(dòng)通信網(wǎng)絡(luò)建設(shè)部署之后,根據(jù)數(shù)據(jù)業(yè)務(wù)的特征進(jìn)行網(wǎng)絡(luò)的調(diào)整和優(yōu)化就變得越發(fā)重要。本論文涉及的研究課題依托于華為技術(shù)有限公司合作項(xiàng)目,研究目的是針對移動(dòng)網(wǎng)絡(luò)用戶上報(bào)測量報(bào)告(Measurement Report,MR)信息,從空間和時(shí)間兩個(gè)角度分別對用戶業(yè)務(wù)進(jìn)行分析建模。本文主要研究內(nèi)容包括:1、提出一種自適應(yīng)柵格聚類算法。該算法結(jié)合密度聚類和柵格聚類算法優(yōu)點(diǎn),既具有可以發(fā)現(xiàn)任意形狀的簇以及對噪音不敏感的優(yōu)點(diǎn),又增加了柵格劃分的處理步驟,使得算法的時(shí)間復(fù)雜度大大降低,從而使得本算法適用于大規(guī)模數(shù)據(jù)集的聚類分析。2、移動(dòng)網(wǎng)絡(luò)空間業(yè)務(wù)建模。針對移動(dòng)網(wǎng)絡(luò)用戶上報(bào)測量報(bào)告MR分別采用DBSCAN算法和提出的自適應(yīng)柵格聚類算法進(jìn)行空間聚類,獲得用戶分布密集的熱點(diǎn)地區(qū),實(shí)現(xiàn)空間熱點(diǎn)位置的分析發(fā)現(xiàn)。3、移動(dòng)網(wǎng)絡(luò)時(shí)間業(yè)務(wù)建模。針對移動(dòng)網(wǎng)絡(luò)用戶上報(bào)測量報(bào)告MR構(gòu)建用戶通信行為指標(biāo),并據(jù)此將不同用戶進(jìn)行分類,獲得不同行為用用用戶的數(shù)據(jù)序列;再基于不同類用戶的數(shù)據(jù)序列構(gòu)建移動(dòng)網(wǎng)絡(luò)時(shí)間業(yè)務(wù)模型。
【圖文】：

北京郵電大學(xué)工學(xué)碩士學(xué)位論文逡逑的ｋ我們定義一個(gè)函數(shù)ｋ－ｄｉｓｔ輸入為數(shù)據(jù)集Ｄ，輸出為實(shí)到其第ｋ個(gè)最近的鄰居的距離。當(dāng)以降序排列數(shù)據(jù)集中的曲線圖給出了數(shù)據(jù)集中的密度分布線索。稱之為排序ｋ－ｄｉ一個(gè)點(diǎn)Ｐ，設(shè)參數(shù)Ｅｐｓ為ｋ－ｄｉｓｔ（ｐ），設(shè)參數(shù)ＭｉｎＰｔｓ為ｋ，所有點(diǎn)為核心對象。如果能找到Ｄ中“最薄”的簇的最大ｋ－ｄｉｓｔ了預(yù)想的參數(shù)值。閾值點(diǎn)為在第一個(gè)排序ｋ－ｄｉｓｔ圖中的第一（見圖４）。所有ｋ－ｄｉｓｔ值較大（閾值左側(cè)）的點(diǎn)被認(rèn)為是噪側(cè)）被分配給某些族。逡逑４－ｄｉｓｔ、

３．３．２算法的聚類效果分析逡逑聚類效果分析是指看聚類算法能否對分布相對復(fù)雜的數(shù)據(jù)給出正確的聚類逡逑結(jié)果，，實(shí)驗(yàn)選擇了邋４組數(shù)據(jù)樣本進(jìn)行聚類效果比對，樣本如圖３－２所示：逡逑？，邐邐邐邐邐—邐邐邐邐邋＾邐邐邋ｐｏｉｎｔｓ邐逡逑？邐？？？？？？邐：o"？逡逑２０邋－＾：邋＇：：＾邋．邋＊邐＊邋＊？邐＾０．逡逑…

本文編號(hào)：2576144