本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的移動(dòng)網(wǎng)絡(luò)優(yōu)化與運(yùn)營(yíng)技術(shù)研究　出處：《北京郵電大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 數(shù)據(jù)挖掘 網(wǎng)絡(luò)優(yōu)化 用戶行為 業(yè)務(wù)推薦

【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)的迅猛發(fā)展和智能終端的廣泛滲透,移動(dòng)通信網(wǎng)絡(luò)的質(zhì)量保障和業(yè)務(wù)運(yùn)營(yíng)方式受到了很大沖擊。如何有效分析評(píng)估網(wǎng)絡(luò)資源與業(yè)務(wù)需求的匹配程度,如何在資源受限的情況下動(dòng)態(tài)調(diào)度資源以提升網(wǎng)絡(luò)服務(wù)能力,如何深度挖掘用戶行為模式以期提供更好的業(yè)務(wù)體驗(yàn),這些問(wèn)題都亟待解決。 本文針對(duì)無(wú)線資源利用率分析與優(yōu)化、客戶業(yè)務(wù)偏好分析與推薦兩個(gè)關(guān)鍵問(wèn)題,深度挖掘網(wǎng)絡(luò)運(yùn)營(yíng)過(guò)程中積累的歷史數(shù)據(jù),為網(wǎng)絡(luò)側(cè)無(wú)線資源配置優(yōu)化、用戶側(cè)智能化業(yè)務(wù)推薦提供解決方案,從而提升網(wǎng)絡(luò)的服務(wù)能力、服務(wù)質(zhì)量和用戶體驗(yàn)。論文研究?jī)?nèi)容分為兩部分：1)評(píng)估網(wǎng)絡(luò)無(wú)線資源利用率現(xiàn)狀并提出一種資源動(dòng)態(tài)調(diào)整框架和算法以提升資源利用效率�；谶\(yùn)營(yíng)商的網(wǎng)管系統(tǒng)中提取小區(qū)資源配置數(shù)據(jù)和小區(qū)業(yè)務(wù)量數(shù)據(jù),利用聚類、分類、相關(guān)性分析等數(shù)據(jù)挖掘技術(shù),量化分析網(wǎng)絡(luò)空閑資源量的時(shí)域和空域特征,證明網(wǎng)絡(luò)無(wú)線資源與業(yè)務(wù)需求在時(shí)域和空域的不匹配特性。在此基礎(chǔ)上提出了一種基于業(yè)務(wù)量預(yù)測(cè)的無(wú)線資源動(dòng)態(tài)調(diào)整優(yōu)化的框架,通過(guò)高斯加權(quán)K近鄰算法預(yù)測(cè)業(yè)務(wù)量,通過(guò)優(yōu)化算法動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)資源配置,設(shè)計(jì)貪心算法求解優(yōu)化問(wèn)題,以提升資源利用效率并均衡網(wǎng)絡(luò)負(fù)載。2)深度挖掘用戶業(yè)務(wù)偏好,設(shè)計(jì)智能化業(yè)務(wù)推薦算法模型為用戶推薦喜好的業(yè)務(wù)類型,為精細(xì)化營(yíng)銷奠定基礎(chǔ)。首先通過(guò)深度包檢測(cè)技術(shù)采集用戶使用的數(shù)據(jù)業(yè)務(wù),然后通過(guò)使用頻次、使用流量等維度刻畫(huà)用戶業(yè)務(wù)偏好肖像,最后利用奇異值分解和最近鄰算法設(shè)計(jì)混合的業(yè)務(wù)推薦算法,智能地為用戶推薦喜好的業(yè)務(wù)類型。 最后,對(duì)全文內(nèi)容進(jìn)行了歸納總結(jié),分析了方案模型的待完善之處,并指出了后續(xù)的研究思路和方向。
[Abstract]:With the rapid development of mobile Internet penetration and intelligent terminal, to ensure the quality of the mobile communication network and business operations has received great impact. How to effectively analyze the matching degree of evaluation of cyber source with business needs, in the condition of limited resources dynamic scheduling resources to improve network service capacity, to the depth of user behavior pattern mining in order to provide better service experience, these problems should be solved.
According to the analysis and optimization of radio resource utilization, customer service preference analysis and recommendation of two key issues, the depth of mining historical data accumulated in the network operation, network side radio resource allocation optimization, user side intelligent business solutions, so as to enhance the service ability of the network, service quality and user experience. The content of this paper is divided into two parts: 1) wireless resource assessment network utilization situation and put forward a framework and algorithm of dynamic adjustment of resources to enhance the efficiency of resource utilization. The extraction of cell resource data and small business data management system based on the use of operators in clustering, classification, association analysis of data mining technology, quantization analysis of the temporal and spatial characteristics of the network free resources, network resources and business needs that wireless in matching the characteristics of time domain and space domain based on this. Presents a traffic prediction dynamic radio resource optimization framework based on the weighted K nearest neighbor algorithm to predict the Gauss business, through the optimization algorithm of dynamic adjustment of cyber source configuration, design a greedy optimization algorithm, to improve the efficiency of resource utilization and network load balancing.2) depth of mining user preference, intelligent design business model recommendation recommendation algorithm for user preferences for the type of business, to lay the foundation for the precise marketing. Firstly, through the deep packet inspection technology to collect user data, and then through the use of frequency, using the flow dimensions describe user preference image, finally using singular value decomposition and nearest neighbor algorithm to design hybrid recommendation algorithm. Intelligently recommend user preferences for business types.
Finally, the content of the full text is summarized, the improvement of the scheme model is analyzed, and the following research ideas and directions are pointed out.

【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN929.5;TP311.13

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 華文立;胡學(xué)剛;;平衡決策樹(shù)分類精度與規(guī)則簡(jiǎn)易性研究[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年04期

2 李優(yōu);;Web搜索結(jié)果組織與展示的一種機(jī)制[J];信息安全與技術(shù);2011年06期

3 龐倩超;王晏民;;基于粗糙集的數(shù)據(jù)挖掘[J];北京建筑工程學(xué)院學(xué)報(bào);2005年04期

4 石劍飛;閆懷志;牛占云;;基于凝聚的層次聚類算法的改進(jìn)[J];北京理工大學(xué)學(xué)報(bào);2008年01期

5 雷升鍇;何嘉;;C4.5算法與粗糙集在數(shù)據(jù)挖掘中的研究[J];成都信息工程學(xué)院學(xué)報(bào);2009年01期

6 殷振瑾;王陽(yáng);暴宏伶;;數(shù)據(jù)挖掘技術(shù)在中醫(yī)醫(yī)案研究中的應(yīng)用[J];承德醫(yī)學(xué)院學(xué)報(bào);2011年03期

7 楊煒鴻;孫震宇;馮利;;通用數(shù)據(jù)標(biāo)準(zhǔn)制定方法的研究[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

8 李浩燕;;高校財(cái)務(wù)預(yù)警系統(tǒng)中決策樹(shù)模型運(yùn)用探析[J];財(cái)會(huì)通訊;2009年02期

9 宋浩遠(yuǎn);;基于模型的聚類方法研究[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年03期

10 董引娣;;數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則在零售業(yè)中的應(yīng)用[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年01期

相關(guān)會(huì)議論文 前10條

1 魯俐;;高校檔案管理工作中的一種決策樹(shù)分類算法研究[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（上）[C];2006年

2 馬莉;章玲;;數(shù)據(jù)挖掘技術(shù)在圖書(shū)館領(lǐng)域的應(yīng)用[A];新環(huán)境下圖書(shū)館建設(shè)與發(fā)展——第六屆中國(guó)社區(qū)和鄉(xiāng)鎮(zhèn)圖書(shū)館發(fā)展戰(zhàn)略研討會(huì)征文集（下冊(cè)）[C];2007年

3 譚嘉星;;網(wǎng)絡(luò)信息挖掘在電子商務(wù)系統(tǒng)中的應(yīng)用[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

4 郭云峰;張集祥;;一種基于位向量的關(guān)聯(lián)規(guī)則挖掘算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

5 陳全;張玲玲;石勇;;基于知識(shí)發(fā)現(xiàn)的客戶分析與營(yíng)銷策略研究[A];第三屆（2008）中國(guó)管理學(xué)年會(huì)論文集[C];2008年

6 郝蕓;田野;康輝;;分布式聚類算法的研究[A];第九屆中國(guó)通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2012年

7 初蘇華;潘曉東;刑萍;鄭賀健;施健歡;解家蒂;;工商銀行審計(jì)信息化向信息化審計(jì)轉(zhuǎn)變的思考[A];全國(guó)內(nèi)部審計(jì)理論研討優(yōu)秀論文集(2013)[C];2014年

8 韓嘯;董婕;葛淼;王子軒;;左室心肌做功指數(shù)參考值的地理環(huán)境分布[A];2014中國(guó)環(huán)境科學(xué)學(xué)會(huì)學(xué)術(shù)年會(huì)（第三章）[C];2014年

9 陳全;張玲玲;石勇;;基于知識(shí)發(fā)現(xiàn)的客戶分析與營(yíng)銷策略研究[A];第三屆（2008）中國(guó)管理學(xué)年會(huì)——公共管理分會(huì)場(chǎng)論文集[C];2008年

10 蔣志濱;樊巧玲;;關(guān)聯(lián)分析法在方劑配伍規(guī)律研究中的應(yīng)用與思考[A];中華中醫(yī)藥學(xué)會(huì)第十四次中醫(yī)方劑學(xué)學(xué)術(shù)年會(huì)論文集[C];2014年

相關(guān)博士學(xué)位論文 前10條

1 單玉紅;基于土地生態(tài)位和多主體的城市居住空間演化情景模型研究[D];武漢大學(xué);2009年

2 向先全;基于水信息技術(shù)的渤海灣水生態(tài)環(huán)境特性及模擬研究[D];天津大學(xué);2011年

3 寇勇剛;航空公司動(dòng)態(tài)核心能力演化研究[D];南京航空航天大學(xué);2010年

4 張雙虎;梯級(jí)水庫(kù)群發(fā)電優(yōu)化調(diào)度的理論與實(shí)踐[D];西安理工大學(xué);2007年

5 姬楊蓓蓓;交通事件持續(xù)時(shí)間預(yù)測(cè)方法研究[D];同濟(jì)大學(xué);2008年

6 劉峰;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法研究[D];北京郵電大學(xué);2008年

7 尹春勇;基于密態(tài)的安全數(shù)據(jù)庫(kù)應(yīng)用研究[D];貴州大學(xué);2008年

8 王海霞;輸電損耗分?jǐn)偟姆椒皵U(kuò)展應(yīng)用研究[D];大連理工大學(xué);2008年

9 詹蓉;面向即時(shí)顧客化定制的個(gè)性化需求預(yù)測(cè)方法研究[D];華中科技大學(xué);2008年

10 海占廣;河北省楊樹(shù)速生林培育決策支持系統(tǒng)若干問(wèn)題的研究[D];北京林業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 岳海亮;信息論在粗糙集連續(xù)屬性離散化中的應(yīng)用[D];遼寧師范大學(xué);2010年

2 劉潔;基于關(guān)聯(lián)挖掘的深層網(wǎng)絡(luò)接口模式匹配方法的研究[D];哈爾濱工程大學(xué);2010年

3 周東海;基于記賬憑證的高校教育成本數(shù)據(jù)挖掘研究[D];哈爾濱工程大學(xué);2010年

4 李麗;基于數(shù)據(jù)挖掘的用戶繳費(fèi)信用風(fēng)險(xiǎn)評(píng)估研究[D];哈爾濱工程大學(xué);2010年

5 王月;改進(jìn)的模糊C-均值算法在文本聚類中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2009年

6 劉芳;改進(jìn)的蟻群聚類算法在森林火災(zāi)預(yù)測(cè)中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2009年

7 崔山;網(wǎng)絡(luò)會(huì)議平臺(tái)數(shù)據(jù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];蘇州大學(xué);2010年

8 張蕾;保險(xiǎn)業(yè)客戶忠誠(chéng)模式設(shè)計(jì)與挖掘[D];哈爾濱理工大學(xué);2010年

9 馬俊雷;基于CT圖像的周圍型非小細(xì)胞肺癌分型診斷模型研究[D];哈爾濱理工大學(xué);2010年

10 黃劍峰;移動(dòng)虛擬網(wǎng)絡(luò)運(yùn)營(yíng)商的客戶細(xì)分模型及方法研究[D];華南理工大學(xué);2010年

，

本文編號(hào)：1367066