數(shù)據(jù)挖掘算法在網(wǎng)絡(luò)優(yōu)化話務(wù)量和差小區(qū)挖掘中的應(yīng)用.pdf

1、數(shù)據(jù)挖掘是一種面向信息智能、處理海量數(shù)據(jù)的應(yīng)用技術(shù)，具有如關(guān)聯(lián)分析、預(yù)測、分類和聚類等多種功能，目的是在眾多的信息中分析研究對象的內(nèi)在規(guī)律，從而提取出有價(jià)值的信息。本文對數(shù)據(jù)挖掘在移動(dòng)通信網(wǎng)絡(luò)優(yōu)化中的應(yīng)用進(jìn)行了研究，提出了話務(wù)量預(yù)測模型和應(yīng)用聚類方法分析質(zhì)差小區(qū)的設(shè)計(jì)方案并給出了優(yōu)化的思路。
　　論文介紹了網(wǎng)絡(luò)優(yōu)化的相關(guān)知識與流程，總結(jié)了目前常用的數(shù)據(jù)挖掘技術(shù)，探討數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信網(wǎng)絡(luò)優(yōu)化中的應(yīng)用范圍。首先針對節(jié)假日忙時(shí)話務(wù)

2、量進(jìn)行分析預(yù)測，根據(jù)話務(wù)量易受多種因素的影響這一特點(diǎn)，用關(guān)聯(lián)分析的方法找出關(guān)聯(lián)度較大的影響因子，提出基于支持向量機(jī)的多因素灰色話務(wù)量預(yù)測模型。先用多因素灰色模型預(yù)測話務(wù)量的基本規(guī)律，然后再用支持向量機(jī)模型對預(yù)測誤差進(jìn)行修正。其次，為進(jìn)一步提高預(yù)測精度，給出了改進(jìn)方案，選取擁有較強(qiáng)的斂散性和全局尋優(yōu)能力的復(fù)高斯小波核函數(shù)優(yōu)化向量機(jī)，仿真結(jié)果表明該模型在原有模型的基礎(chǔ)上再次提高了預(yù)測精度。最后，本文提出用數(shù)據(jù)挖掘技術(shù)中的層次聚類方法對小區(qū)性