話務預測技術是通訊網(wǎng)絡系統(tǒng)設計、規(guī)劃和優(yōu)化的重要手段之一,同時也能為電信企業(yè)制定營銷策略提供決策支持。雖然話務預測的研究已有20多年歷史,并形成了一些話務預測方法,但是隨著新理論和新技術的發(fā)展,對話務預測新方法的研究仍在不斷地深入進行。支持向量機作為數(shù)據(jù)挖掘的一項新技術,應用于模式識別和處理回歸問題等諸多領域。本文利用支持向量機優(yōu)越的非線性學習及預測性能,針對短期話務預測的各種影響因素的非線性特性,提出基于支持向量機的電信話務量預測新方法,以提高預測精度和時效性,該研究具有重要的理論意義和實用價值。由于影響話務量的因素繁多且復雜,若對輸入不加適當選擇處理會導致預測精度降低,訓練時間增加�？紤]到話務量變化的周期性特點,因此本文采用話務量聚類預處理技術,應用模糊聚類分析的基本原理,依據(jù)輸入樣本的相似度選取訓練樣本,即選用同類特征數(shù)據(jù)作為預測輸入,保證了數(shù)據(jù)特征的一致性,強化了歷史數(shù)據(jù)規(guī)律。在基于支持向量機話務預測之前,先對樣本進行模糊聚類分析,選取與預測樣本特征相似的樣本作為支持向量機的訓練樣本。本文分析了支持向量機的基本原理,支持向量機具有非線性擬合、泛化能力強、訓練收斂速度快等顯著特點... 

【文章來源】：中南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

話務監(jiān)控中異常處理過程

【參考文獻】：
期刊論文
[1]基于加權支持向量回歸的在線訓練算法及應用[J]. 刁翔,李奇.  系統(tǒng)仿真學報. 2007(17)
[2]基于灰色模型的電信市場預測研究[J]. 楊曉波.  計算機工程與應用. 2007(16)
[3]基于多分辨率SVM回歸估計的短期負荷預測[J]. 暢廣輝,劉滌塵,熊浩.  電力系統(tǒng)自動化. 2007(09)
[4]基于模糊聚類的PWA系統(tǒng)的模型辨識[J]. 潘天紅,李少遠.  自動化學報. 2007(03)
[5]基于屬性權重的Fuzzy C Mean算法[J]. 王麗娟,關守義,王曉龍,王熙照.  計算機學報. 2006(10)
[6]基于模糊神經(jīng)網(wǎng)絡的移動組網(wǎng)擁塞預測[J]. 李千目,戚涌,許滿武,張宏,劉鳳玉.  計算機科學. 2006(10)
[7]基于支持向量機的混沌時間序列非線性預測[J]. 劉涵,劉丁,李琦.  系統(tǒng)工程理論與實踐. 2005(09)
[8]用近鄰算法預測通信量時間序列[J]. 黃健聰,萬海,郝小衛(wèi),李磊.  計算機科學. 2005(07)
[9]小樣本時間序列的數(shù)據(jù)處理[J]. 任勁濤,朱家海,邵玉梅.  空軍工程大學學報(自然科學版). 2005(03)
[10]基于季節(jié)ARIMA模型的GSM話務量建模和預報[J]. 薄今綱,于敏芳,劉嘉焜,余暉.  數(shù)理統(tǒng)計與管理. 2004(06)

博士論文
[1]基于支持向量機的消費信貸中個人信用評估方法研究[D]. 沈翠華.中國農(nóng)業(yè)大學 2005
[2]時間序列數(shù)據(jù)挖掘中相似性和趨勢預測的研究[D]. 王曉曄.天津大學 2003

碩士論文
[1]針對電信行業(yè)自適應智能話務預測模型的研究與實現(xiàn)[D]. 向炳新.電子科技大學 2007
[2]基于主成分分析的支持向量機劃分地震相[D]. 朱艷偉.西安科技大學 2006
[3]電信話務量OLAP分析和神經(jīng)網(wǎng)絡預測模型[D]. 陳曉峰.華僑大學 2004



本文編號：2996633