【摘要】：無(wú)線通信技術(shù)發(fā)展迅速,頻譜資源也日益緊缺。運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)頻譜感知數(shù)據(jù)進(jìn)行分析,在大量數(shù)據(jù)中找出潛在的頻譜使用規(guī)律,并預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的頻譜使用情況,從而為認(rèn)知用戶的動(dòng)態(tài)頻譜接入提供可靠依據(jù)。認(rèn)真研究了數(shù)據(jù)挖掘算法理論及其無(wú)線電頻譜感知技術(shù),其中深入研究了最小二乘支持向量機(jī)算法(LSSVM)的原理和其模型的尋優(yōu)方式。本文主要工作和創(chuàng)新點(diǎn)如下:1.提出了基于免疫算法的特征加權(quán)LSSVM算法。在傳統(tǒng)的最小二乘支持向量機(jī)算法的基礎(chǔ)上,引入了特征加權(quán)向量,與原模型的超參數(shù)形成新的超參數(shù)。以分步尋優(yōu)的方式,利用免疫算法得到最優(yōu)的特征加權(quán)向量,從而提高了模型的預(yù)測(cè)精度。2.提出了基于耦合模擬退火的特征加權(quán)LSSVM算法。以改進(jìn)原模型的超參數(shù)方式,實(shí)現(xiàn)對(duì)不同特征維度數(shù)據(jù)加權(quán),并采用聯(lián)合尋優(yōu)的方式,利用耦合模擬退火算法得到新的超參數(shù),提高了算法的性能。另外針對(duì)頻譜數(shù)據(jù)挖掘場(chǎng)景,在離線預(yù)測(cè)的基礎(chǔ)上提出來(lái)在線預(yù)測(cè)算法。3.設(shè)計(jì)了完整的模擬衛(wèi)星通信系統(tǒng)的頻譜數(shù)據(jù)采集與預(yù)測(cè)仿真系統(tǒng),系統(tǒng)包括地理運(yùn)動(dòng)模塊、用戶接入模塊和信號(hào)產(chǎn)生模塊等;并用仿真得到頻譜數(shù)據(jù)驗(yàn)證了本文提出的兩種算法的都能提高模型的預(yù)測(cè)精度,同時(shí)使用真實(shí)的電力負(fù)荷數(shù)據(jù)驗(yàn)證得到的結(jié)論。本文通過對(duì)頻譜數(shù)據(jù)挖掘技術(shù)的研究,改進(jìn)了最小二乘支持向量機(jī)算法,同時(shí)將預(yù)測(cè)結(jié)果推薦給動(dòng)態(tài)頻譜接入用戶作為參考,具有理論和應(yīng)用的雙重價(jià)值。
[Abstract]:With the rapid development of wireless communication technology, spectrum resources are increasingly scarce. Using data mining technology to analyze spectrum sensing data, to find out the potential spectrum usage rule in a large number of data, and to predict the spectrum usage in a period of time in the future, so as to provide a reliable basis for the dynamic spectrum access of cognitive users. The theory of data mining algorithm and its radio spectrum sensing technology are studied in detail. Among them, the principle of least squares support vector machine (LSSVM) algorithm and its model optimization are studied. The main work and innovation of this paper are as follows: 1. A feature weighted LSSVM algorithm based on immune algorithm is proposed. Based on the traditional least square support vector machine (LS-SVM) algorithm, the feature weighted vector is introduced to form a new superparameter with the superparameter of the original model. In order to improve the prediction accuracy of the model, the optimal feature weighting vector is obtained by using the immune algorithm. A feature weighted LSSVM algorithm based on coupled simulated annealing is proposed. By improving the hyperparametric method of the original model, the data of different feature dimensions are weighted, and the new superparameters are obtained by using the coupled simulated annealing algorithm, which improves the performance of the algorithm. In addition, an online prediction algorithm. 3. 3 is proposed on the basis of offline prediction for spectrum data mining scene. The spectrum data acquisition and prediction simulation system of analog satellite communication system is designed. The system includes geographic motion module, user access module and signal generation module. The two algorithms proposed in this paper can improve the prediction accuracy of the model and verify the conclusion by using the real power load data. In this paper, the least-squares support vector machine (LS-SVM) algorithm is improved through the research of spectrum data mining technology. At the same time, the prediction results are recommended to the dynamic spectrum access users as a reference, which has both theoretical and application value.
【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】：2016
【分類號(hào)】：TP311.13;TN925

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳文鋒;;基于統(tǒng)計(jì)信息的數(shù)據(jù)挖掘算法[J];統(tǒng)計(jì)與決策;2008年15期

2 王清毅,張波,蔡慶生;目前數(shù)據(jù)挖掘算法的評(píng)價(jià)[J];小型微型計(jì)算機(jī)系統(tǒng);2000年01期

3 胡浩紋,魏軍,胡濤;模糊數(shù)據(jù)挖掘算法在人力資源管理中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2002年05期

4 萬(wàn)國(guó)華,陳宇曉;數(shù)據(jù)挖掘算法及其在股市技術(shù)分析中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2004年11期

5 文俊浩,胡顯芝,何光輝,徐玲;小波在數(shù)據(jù)挖掘算法中的運(yùn)用[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年12期

6 鄒志文,朱金偉;數(shù)據(jù)挖掘算法研究與綜述[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年09期

7 趙澤茂,何坤金,胡友進(jìn);基于距離的異常數(shù)據(jù)挖掘算法及其應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2005年09期

8 趙晨,諸靜;過程控制中的一種數(shù)據(jù)挖掘算法[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2005年05期

9 王振華,柴玉梅;基于決策樹的分布式數(shù)據(jù)挖掘算法研究[J];河南科技;2005年02期

10 胡作霆;董蘭芳;王洵;;圖的數(shù)據(jù)挖掘算法研究[J];計(jì)算機(jī)工程;2006年03期

相關(guān)會(huì)議論文 前10條

1 賀煒;邢春曉;潘泉;;因果不完備條件下的數(shù)據(jù)挖掘算法[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

2 劉玲;張興會(huì);;基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘算法研究[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

3 陳曦;曾凡鋒;;數(shù)據(jù)挖掘算法在風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2007年

4 郭新宇;梁循;;大型數(shù)據(jù)庫(kù)中數(shù)據(jù)挖掘算法SLIQ的研究及仿真[A];2004年中國(guó)管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

5 張沫;欒媛媛;秦培玉;羅丹;;基于聚類算法的多維客戶行為細(xì)分模型研究與實(shí)現(xiàn)[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國(guó)通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

6 潘國(guó)林;楊帆;;數(shù)據(jù)挖掘算法在保險(xiǎn)客戶分析中的應(yīng)用[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

7 張乃岳;張力;張學(xué)燕;;基于字段匹配的CRM數(shù)據(jù)挖掘算法與應(yīng)用[A];邏輯學(xué)及其應(yīng)用研究——第四屆全國(guó)邏輯系統(tǒng)、智能科學(xué)與信息科學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 鄭曉明;何廷潤(rùn);;3G頻譜分配:市場(chǎng)化的經(jīng)濟(jì)法則[A];2002’中國(guó)通信學(xué)會(huì)無(wú)線及移動(dòng)通信委員會(huì)學(xué)術(shù)年會(huì)論文集[C];2002年

9 祖巧紅;陳定方;胡吉全;;客戶分析中的數(shù)據(jù)挖掘算法比較研究[A];12省區(qū)市機(jī)械工程學(xué)會(huì)2006年學(xué)術(shù)年會(huì)湖北省論文集[C];2006年

10 李怡凌;馬亨冰;;一種基于本體的關(guān)聯(lián)規(guī)則挖掘算法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 張虹;國(guó)際頻譜政策新走向[N];人民郵電;2006年

2 本報(bào)記者 盧子月;頻譜分配受關(guān)注[N];通信產(chǎn)業(yè)報(bào);2012年

3 本報(bào)記者 盧子月;得頻譜得未來(lái)[N];通信產(chǎn)業(yè)報(bào);2013年

4 宋穎;利用市場(chǎng)手段加速頻譜轉(zhuǎn)讓[N];人民郵電;2013年

5 ;頻譜資源共享面臨挑戰(zhàn)[N];中國(guó)電子報(bào);2013年

6 本報(bào)記者 盧子月;管好頻率 管好臺(tái)站 管好秩序[N];通信產(chǎn)業(yè)報(bào);2011年

7 李亮　記者 黃超 某集團(tuán)軍司令部通信處長(zhǎng) 李占良;演習(xí)之前分“頻譜”[N];解放軍報(bào);2009年

8 本報(bào)記者 盧子月;科學(xué)規(guī)劃TD—LTE頻譜[N];通信產(chǎn)業(yè)報(bào);2012年

9 四川通信設(shè)計(jì)院副總工程師 程德杰;450M頻譜更有可為[N];通信產(chǎn)業(yè)報(bào);2013年

10 金耀星;創(chuàng)新管理方式 解決頻譜供需矛盾[N];人民郵電;2013年

相關(guān)博士學(xué)位論文 前10條

1 周雄;基于博弈的Femtocell網(wǎng)絡(luò)頻譜資源管理[D];華南理工大學(xué);2015年

2 郁小松;靈活柵格光網(wǎng)絡(luò)中頻譜工程與調(diào)控技術(shù)研究[D];北京郵電大學(xué);2015年

3 殷聰;認(rèn)知無(wú)線電中頻譜聚合技術(shù)及其資源調(diào)度的公平性研究[D];哈爾濱工業(yè)大學(xué);2015年

4 張龍;認(rèn)知無(wú)線電網(wǎng)絡(luò)MAC層頻譜感知與頻譜接入問題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

5 張雷;認(rèn)知無(wú)線網(wǎng)絡(luò)頻譜接入策略及性能分析[D];東南大學(xué);2016年

6 謝玉鵬;認(rèn)知無(wú)線電系統(tǒng)中聯(lián)合頻譜分配算法研究[D];哈爾濱工業(yè)大學(xué);2016年

7 董蓓;基于進(jìn)化學(xué)習(xí)的無(wú)線通信網(wǎng)絡(luò)資源分配問題研究[D];西安電子科技大學(xué);2015年

8 馮心欣;異構(gòu)環(huán)境下用戶參與決策的認(rèn)知頻譜接入策略研究[D];上海交通大學(xué);2015年

9 查淞;寬帶頻譜壓縮感知算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

10 謝樹京;基于多維空間的射頻頻譜檢測(cè)技術(shù)研究[D];東南大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張莉;頻譜數(shù)據(jù)挖掘算法研究與應(yīng)用[D];北京郵電大學(xué);2016年

2 謝亞鑫;基于Hadoop的數(shù)據(jù)挖掘算法的研究[D];華北電力大學(xué);2015年

3 彭軍;基于新型異構(gòu)計(jì)算平臺(tái)的數(shù)據(jù)挖掘算法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

4 楊維;基于Hadoop的健康物聯(lián)網(wǎng)數(shù)據(jù)挖掘算法研究與實(shí)現(xiàn)[D];東北大學(xué);2013年

5 張永芳;基于Hadoop平臺(tái)的并行數(shù)據(jù)挖掘算法研究[D];安徽理工大學(xué);2016年

6 李圍成;基于FP-樹的時(shí)空數(shù)據(jù)挖掘算法研究[D];河南工業(yè)大學(xué);2016年

7 官凱;基于MapReduce的圖挖掘研究[D];貴州師范大學(xué);2016年

8 陳名輝;基于YARN和Spark框架的數(shù)據(jù)挖掘算法并行研究[D];湖南師范大學(xué);2016年

9 劉少龍;面向大數(shù)據(jù)的高效數(shù)據(jù)挖掘算法研究[D];華北電力大學(xué)(北京);2016年

10 羅俊;數(shù)據(jù)挖掘算法的并行化研究及其應(yīng)用[D];青島大學(xué);2016年

，

本文編號(hào)：2151382