隨著通信容量、速度、穩(wěn)定性要求的不斷提升,空間、城市無線通信理論與應(yīng)用作為無線電物理學(xué)科的主要研究方向之一,在低時(shí)延海量物聯(lián)網(wǎng)、智慧城市等領(lǐng)域得到廣泛的關(guān)注�；诙嗟乩砼c業(yè)務(wù)場景下的網(wǎng)絡(luò)性能異常檢測為無線電波在復(fù)雜場景的傳播特性、信道特性及其自適應(yīng)選頻技術(shù)研究提供了技術(shù)保障。爆發(fā)式增長的終端接入總數(shù)以及數(shù)據(jù)業(yè)務(wù)流量發(fā)展對電信網(wǎng)絡(luò)性能優(yōu)化提出了嚴(yán)峻的挑戰(zhàn)。無線局部弱覆蓋、系統(tǒng)容量負(fù)荷不均、大型集團(tuán)業(yè)務(wù)的井噴式發(fā)展帶來的支撐優(yōu)化能力不足問題成為目前運(yùn)營商面臨的主要問題。同時(shí),快速發(fā)展的LTE連接技術(shù)產(chǎn)生了海量的網(wǎng)絡(luò)數(shù)據(jù),比如是瀏覽類、視頻類、下載類、即時(shí)通信類等多類數(shù)據(jù)業(yè)務(wù)數(shù)據(jù)。同時(shí),結(jié)合各類物理場景的復(fù)雜性,比如居民區(qū)、高鐵、重點(diǎn)大型集團(tuán)、商圈等,使得每類物理場景在用戶行為的影響下其業(yè)務(wù)特性的表現(xiàn)也紛繁多樣,從而給電信網(wǎng)絡(luò)性能異常檢測帶來了很大的挑戰(zhàn)與難度。目前,現(xiàn)有的通過對網(wǎng)絡(luò)性能指標(biāo)進(jìn)行學(xué)習(xí)建模的機(jī)器學(xué)習(xí)技術(shù)無法較好地適用于高度多樣性的城市物理場景和用戶訪問行為相互影響作用的復(fù)雜性網(wǎng)絡(luò)。對于基于復(fù)雜物理與業(yè)務(wù)場景的網(wǎng)絡(luò)性能異常檢測具有重要的理論價(jià)值和應(yīng)用前景。論文利用解析方法與機(jī)器學(xué)... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：142 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 大數(shù)據(jù)分析挖掘與人工智能算法概況
        1.2.2 電信網(wǎng)絡(luò)性能異常預(yù)警與故障預(yù)測算法
        1.2.3 電信業(yè)務(wù)異常事件監(jiān)測算法
    1.3 論文結(jié)構(gòu)及內(nèi)容安排
第二章 網(wǎng)絡(luò)性能分層結(jié)構(gòu)中指標(biāo)研究
    引言
    2.1 電信網(wǎng)絡(luò)指標(biāo)體系
        2.1.1 電信網(wǎng)絡(luò)重要指標(biāo)研究
        2.1.2 電信網(wǎng)絡(luò)重要指標(biāo)特征研究
    2.2 電信網(wǎng)絡(luò)常見性問題分析
        2.2.1 電信固定電話業(yè)務(wù)常見問題分析
        2.2.2 電信移動(dòng)網(wǎng)絡(luò)常見問題分析
    2.3 電信固網(wǎng)語音業(yè)務(wù)的健康度指標(biāo)評估模型研究
        2.3.1 集團(tuán)語音專線業(yè)務(wù)話務(wù)突變模型
        2.3.2 集團(tuán)語音專線業(yè)務(wù)話務(wù)趨勢預(yù)測模型研究
        2.3.3 電信固網(wǎng)語音模型應(yīng)用場景總結(jié)
    2.4 電信數(shù)據(jù)業(yè)務(wù)“泛時(shí)延”理論研究與網(wǎng)絡(luò)指標(biāo)關(guān)聯(lián)模型研究
        2.4.1 泛時(shí)延理論研究分析
        2.4.2“泛時(shí)延”與網(wǎng)絡(luò)性能指標(biāo)的關(guān)聯(lián)模型研究
    2.5 本章小結(jié)
第三章 電信數(shù)據(jù)網(wǎng)絡(luò)可訪問性預(yù)測模型
    引言
    3.1 電信數(shù)據(jù)網(wǎng)絡(luò)可訪問性現(xiàn)有技術(shù)研究
    3.2 數(shù)據(jù)預(yù)處理和分析
    3.3 可訪問性算法描述
        3.3.1 關(guān)系模型建立過程
        3.3.2 核心數(shù)據(jù)特征分析
        3.3.3 算法整體過程描述
        3.3.4 算法詳細(xì)過程描述
        3.3.5 算法驗(yàn)證
    3.4 本章小結(jié)
第四章 基于業(yè)務(wù)場景聚類的電信數(shù)據(jù)網(wǎng)絡(luò)性能異常檢測
    引言
    4.1 數(shù)據(jù)預(yù)處理和分析
        4.1.1 基于地理與業(yè)務(wù)場景的區(qū)分度分析
        4.1.2 數(shù)據(jù)相關(guān)性檢驗(yàn)篩選
    4.2 電信網(wǎng)絡(luò)場景聚類算法過程
        4.2.1 集成聚類中的各聚類算法描述
        4.2.2 集成聚類算法過程
        4.2.3 算法效果評估
    4.3 基于場景聚類的通信網(wǎng)絡(luò)異常檢測
        4.3.1 基于各場景下網(wǎng)絡(luò)核心業(yè)務(wù)指標(biāo)判定
        4.3.2 異常小區(qū)結(jié)果判定與分析
    4.4 本章小結(jié)
第五章 引入時(shí)間特征的改進(jìn)型高斯混合模型性能異常檢測
    引言
    5.1 各算法模型比較
    5.2 改進(jìn)型高斯算法模型闡述
        5.2.1 數(shù)據(jù)樣本提取與分析
        5.2.2 改進(jìn)型算法推導(dǎo)過程
    5.3 改進(jìn)型混合高斯算法與各類算法的結(jié)果對比分析
    5.4 改進(jìn)型混合高斯算法多維特征數(shù)據(jù)分析
    5.5 本章小結(jié)
第六章 基于回歸分析的用戶業(yè)務(wù)使用感知及投訴預(yù)測
    引言
    6.1 挖掘感知點(diǎn)匹配關(guān)鍵性指標(biāo)
        6.1.1 明確用戶感知點(diǎn)
        6.1.2 匹配感知指標(biāo)
    6.2 基于回歸分析的用戶數(shù)據(jù)業(yè)務(wù)使用感知預(yù)測模型
        6.2.1 數(shù)據(jù)源與目標(biāo)定位
        6.2.2 算法過程及數(shù)據(jù)分析
        6.2.3 性能提升優(yōu)化
        6.2.4 確定關(guān)鍵性指標(biāo)和權(quán)重模型
    6.3 本章小結(jié)
第七章 物聯(lián)網(wǎng)業(yè)務(wù)與運(yùn)營質(zhì)量健康度算法研究與應(yīng)用
    引言
    7.1 物聯(lián)網(wǎng)端到端業(yè)務(wù)質(zhì)量評估與問題人工定界
    7.2 物聯(lián)網(wǎng)健康度指標(biāo)模型研究
        7.2.1 數(shù)據(jù)處理與算法方程
        7.2.2 算法過程闡述
        7.2.3 算法檢驗(yàn)
    7.3 算法應(yīng)用效果
    7.4 本章小結(jié)
第八章 總結(jié)與展望
    8.1 總結(jié)
    8.2 對未來研究的展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]一種基于C-RAN架構(gòu)的LTE網(wǎng)絡(luò)能效獲取方法[J]. 曹桓,周昶,許勇.  電信工程技術(shù)與標(biāo)準(zhǔn)化. 2018(01)
[2]面向復(fù)雜時(shí)間序列的k近鄰分類器[J]. 原繼東,王志海,孫艷歌,張偉.  軟件學(xué)報(bào). 2017(11)
[3]一種K-means改進(jìn)算法的軟擴(kuò)頻信號(hào)偽碼序列盲估計(jì)[J]. 張?zhí)祢U,楊強(qiáng),宋玉龍,熊梅.  電子與信息學(xué)報(bào). 2018(01)
[4]密集網(wǎng)絡(luò)下基于Self-Backhaul感知的用戶接入負(fù)載均衡算法[J]. 唐倫,梁榮,陳婉,張?jiān)獙?  北京郵電大學(xué)學(xué)報(bào). 2017(04)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)航跡預(yù)測模型[J]. 錢夔,周穎,楊柳靜,謝榮平,何錫點(diǎn).  指揮信息系統(tǒng)與技術(shù). 2017(03)
[6]基于加權(quán)動(dòng)態(tài)時(shí)間彎曲的多元時(shí)間序列相似性匹配方法[J]. 葉燕清,楊克巍,姜江,葛冰峰,豆亞杰.  模式識(shí)別與人工智能. 2017(04)
[7]LTE網(wǎng)絡(luò)性能與覆蓋、干擾的關(guān)系研究[J]. 鄧安民,黎永堅(jiān),譚路加.  郵電設(shè)計(jì)技術(shù). 2017(02)
[8]時(shí)間序列數(shù)據(jù)挖掘的相似性度量綜述[J]. 陳海燕,劉晨暉,孫博.  控制與決策. 2017(01)
[9]面向大數(shù)據(jù)處理的并行優(yōu)化抽樣聚類K-means算法[J]. 周潤物,李智勇,陳少淼,陳京,李仁發(fā).  計(jì)算機(jī)應(yīng)用. 2016(02)
[10]初始點(diǎn)優(yōu)化與參數(shù)自適應(yīng)的密度聚類算法[J]. 戴陽陽,李朝鋒,徐華.  計(jì)算機(jī)工程. 2016(01)

博士論文
[1]面向大規(guī)模數(shù)據(jù)分析與分類的正則化回歸算法[D]. 徐曉琳.安徽大學(xué) 2017
[2]面向SLA的服務(wù)組合QoS管理及優(yōu)化技術(shù)研究[D]. 趙欣.復(fù)旦大學(xué) 2014

碩士論文
[1]基于數(shù)據(jù)挖掘的用電數(shù)據(jù)異常的分析與研究[D]. 張榮昌.北京交通大學(xué) 2017
[2]基于SVM和組合特征的分類算法研究[D]. 王玨.大連理工大學(xué) 2017
[3]LTE小區(qū)間干擾的分析與研究[D]. 劉亮.內(nèi)蒙古大學(xué) 2017
[4]基于嶺回歸構(gòu)建程序?qū)嶓w懷疑度的故障定位方法研究[D]. 喻旭磊.浙江大學(xué) 2017
[5]自適應(yīng)彈性網(wǎng)邏輯回歸模型的研究[D]. 連少靜.河北大學(xué) 2016
[6]自適應(yīng)模糊聚類算法的研究與應(yīng)用[D]. 梁哲輝.華南理工大學(xué) 2011
[7]廣義線性模型基于Elastic Net的變量選擇方法研究[D]. 盧穎.北京交通大學(xué) 2011
[8]面向客戶感知的網(wǎng)絡(luò)性能評價(jià)方法的研究[D]. 于瑞芷.北京郵電大學(xué) 2011
[9]基于輪廓系數(shù)的層次聚類算法研究[D]. 張冬梅.燕山大學(xué) 2010



本文編號(hào)：3149184