5G无线网络智能规划技术的探索与实践

研究并应用了多制式多网络的站址协同分析、5G站址智能寻优、弱覆盖栅格聚类识别、高精度3D规划仿真呈现等技术手段,将工具与生产流程有机结合,实现流程自动化,减少不必要的人工参与,提升整体规划效率,实现对5G网络资源的快速精准投放。最后,提供后续研究方向,为5G无线网智能化平台的进一步研究提供参考。     

数据挖掘中聚类算法比较及在武警网络中的应用研究

聚类算法是数据挖掘的核心技术,根据评价聚类算法优劣的几个标准,对数据挖掘中常用聚类算法做了比较分析,根据各自特点,加以改进,并应用于武警部队数据挖掘项目中。通过运用改进型K-means算法,取得了较好的挖掘结果,为进一步信息的智能化检索、信息的过滤、分拣提供依据。     

结合孤立森林和鲸鱼优化算法的三支k-means

针对k-means算法的聚类结果对初始聚类中心的选取较为敏感、选择聚类数目存在一定的主观性以及离群数据影响的问题,提出了一种结合孤立森林和鲸鱼优化算法的三支k-means算法（iF-W-TWKM）。首先利用孤立森林算法对数据集进行清洗,将数据集划分为两个子集：正常数据子集和异常数据子集。使用正常数据子集进行后续算法步骤,待算法结束后使用得到的聚类中心将异常数据子集中的样本划分到各类簇的边界域。利用鲸鱼优化算法建立以STDI为目标函数的优化问题进行全局寻优实现聚类中心的选取,避免局部最优。实验结果表明,改进后的算法在ACC、AS、DBI指标上整体优于k-means和TK-means,具有更好的聚类表现。     

数据挖掘算法性能优化的研究与应用

文章主要以数据挖掘算法的性能优化作为出发点,研究了相关的聚类算法,根据近些年来国际上对于聚类算法的原理、关键技术的研究分析了相关聚类个数K的相关作用和影响。希望通过文章的研究和报道能够对研究数据挖掘提供帮助,使得研究更够朝着更加有效和便捷的方向前进。     

智能计算在网络优化中的应用

本文首先对最优化方法和智能计算及其研究现状作了简单介绍;然后阐述了人工鱼群算法及人工鱼群算法在路由优化中的应用;最后对智能优化算法进行了总结和展望.     

基于近邻传播算法的K-means聚类优化算法

K-means聚类算法在随机选择的初始聚类中心的基础上进行聚类,其聚类效果会因为初始聚类中心的不确定性而不稳定。为了优化其聚类效果,提出了基于近邻传播算法(AP算法)的K-means聚类优化算法(APK-means)。该算法首先通过近邻传播算法生成若干个初始聚类,然后依序选择k个聚类规模最大的聚类中心作为K-means聚类算法的初始聚类中心,接着运行K-means聚类。算法有效性分析和实验结果验证了该算法有效优化了K-mean算法的聚类稳定性和有效性。     

OTN网络算力接入时延圈绘制展示研究和实践

算网大脑通过向OTN控制器查询,获取以指定机房为中心,小于等于指定时延指标的所有机房节点的信息。基于这些节点的地理位置信息,算网大脑用Graham扫描算法生成凸多边形,进而通过调用能力开放平台平滑接口计算生成平滑面,在GIS地图上绘制和展示每个网络机房或算力机房的时延圈。通过这种方法,将运营商的OTN网络时延性能进行地理化呈现,便于客户快速直观地选云、入云,同时也能协助运营商在规划算力机房时选择最佳的地理位置,以满足目标区域的算力服务覆盖需求。     

基于连接强度的PPI网络蚁群优化聚类算法

 由于PPI网络数据的无尺度和小世界特性,使得目前对此类数据的聚类算法效果不理想.根据PPI网络的拓扑结构特性,本文提出了一种基于连接强度的蚁群优化(Joint Strength based Ant Colony Optimization,JSACO)聚类算法,该算法引入了连接强度的概念对蚁群聚类算法中的拾起/放下规则加以改进,以连接强度作为拾起规则,对结点进行聚类,并根据放下规则放弃部分不良数据,产生最终聚类结果.最后采用了MIPS数据库中的PPI数据进行实验,将JSACO算法与PPI网络数据的其他聚类算法进行比较,聚类结果表明JSACO算法正确率高,时间开销低.     

智能优化算法在分布式电源规划中的应用综述

智能优化算法与传统数学规划方法相比,具有全局优化性能、鲁棒性强、通用性强且适于进行并行计算的特点,因而更能有效地处理非线性混合整数规划问题,评价全局最优解。本文综述了各种优化算法在分布式电源规划中的应用,分析了各种算法的优缺点,并对今后研究方向提出一些建议。     

群智能优化算法在路径规划中的应用

本文对群智能的理论内涵进行分析,然后从人工鱼群算法、蚁群算法以及粒子群算法三个角度分析群智能优化算法在移动机器人规划中的应用现状,然后对以上三种算法的性能做比较。     

基于PSO的K-means聚类优化

针对机器学习中聚类算法参数多样调参复杂的问题,分析了基于PSO算法在机器学习参数组合寻优方面的可行性,设计了一种基于PSO算法的K-means机器学习聚类算法的参数寻优策略。通过PSO算法找到模型最佳的参数组合,提高K-means机器学习模型的性能。通过对算法调优策略进行测试结果表明,使用PSO算法对K-means机器学习聚类算法进行参数调优,不仅能够找到适于该数据的最佳参数组合提高聚类算法的性能,也可以减少经验调参所带来的误差和成本。     

模糊聚类及其实际应用

随着模糊数学的产生和发展,模糊聚类分析也随之产生并得到广泛应用。本文主要介绍模糊聚类及其应用领域,分析和探讨模糊聚类的基本原理、方法,重点介绍C-均值聚类分析算法(FCM)以及减法聚类算法,并结合中国统计局的2005年度各行业废气排放和处理情况的数据用matlab模糊逻辑工具箱对其进行模糊聚类分析,所得结果可为各行业污染分类情况进行处理提供参考。     

电网网架规划智能优化方法的研究与应用

电网网架规划对于电力系统的安全、优质、经济运行有着重大影响,而科学的规划方案则是其基础所在。介绍了传统的规划方法及其不足之处,运用三种智能算法分别设计IEEE-6节点和18节点系统的规划方案并对方案进行建模和仿真,对比结果表明了在电网规划中人工鱼群算法方案具有全局优化功能和良好的适应性,且投资费用最低。具有较广阔的应用前景和明显的经济效果,并能切实提高电网规划水平。     

智能光网络规划与优化

主要根据智能光网络的特点,分析网络规划与优化的重要性和紧迫性,在简单介绍其规划和优化主要方法和应用技术的基础上,重点介绍中讯邮电咨询设计院自主开发的ASON规划与优化软件。     

面向5G Massive MIMO的无线网智能规划研究

传统基于人工经验规划的方法已不能满足5G网络精准规划的需求,急需引入基于大数据分析的5G无线网智能规划方法,本文利用在线地图爬虫得到覆盖场点区域库,采用聚类算法进行5G弱覆盖区域的判定与弱覆盖区域站址规划,以及Massive MIMO广播波束权值规划,熵权法的价值区域预测等几个维度,为5G无线网规划提供高效支撑.     

基于网络行为的人物心理刻画方法

随着网络用户的日益增多,许多互联网企业甚至事业部门需要使用用户画像来对不同网络用户进行心理刻画来了解用户.但用户画像算法一般存在着聚类算法的簇值必须手动指定以及无效关键字过多的问题.因此文章设计了一种新的基于网络行为的用户画像方法.该方法首先会对搜集到的用户数据进行分类;接着设计算法自动确定簇值,并将簇值代入聚类算法与...     

基于免疫克隆算法和K-medoids的网络节点聚类

在大规模分布式网络应用中,对网络节点进行聚类是构建高效网络体系结构的有效办法之一.在利用网络坐标系统Vivaldi得到各个节点的网络坐标的基础上,对网络节点进行K-medoids聚类.然后,针对K-medoids算法对初始中心选值敏感和易陷入局部极值的问题,提出基于免疫克隆算法的K-medoids聚类.实验结果表明,该聚类算法具有良好的可靠性及可扩展性,能对节点进行有效聚类.     

基于分层处理的无人机任务规划

随着无人机在现代战争中的作用日趋重要,对无人机任务规划的研究也越来越多。根据无人机任务规划涉及的内容,分析了它的要求和包含的主要功能,给出了任务规划的处理流程。任务规划涉及的因素复杂繁多,所以采用分层处理来解决任务规划问题,并利用聚类算法和遗传算法解决目标分配和航路规划2个核心问题。