大数据分析技术在移动通信网络优化中的应用探讨

在移动通信网络技术持续发展的当下,移动通信网络用户数量激增,促使整个互联网行业面临巨大的运行压力,促使诸多技术性问题和安全性问题显著。大数据分析技术手段,作为一种具备科学性和先进性的技术手段之一,可以对移动通信网络技术以及服务模式进行优化。本文将针对大数据分析技术内涵以及大数据分析技术应用核心进行详细分析,明确大数据分析技术在移动通信网络优化中的应用价值,提出大数据分析技术在移动通信网络优化中的应用途径,探究大数据分析技术的实际应用价值,为移动通信网络技术优化以及服务运用模式优化奠定基础。

基于计算迁移技术的电网调控系统移动终端优化设计

阐述计算迁移技术,大电网调控系统的设计,移动终端优化设计,包括数据采集与预处理、模型构建、数据分析与决策,将计算转移技术引入到大网络控制系统的移动端。

基于移动优化灰色马尔科夫的道路交通事故预测

针对事故预测精度受预测数据时效性影响问题,引入移动优化策略,建立移动优化灰色马尔科夫动态预测模型.用灰色预测来揭示道路交通事故发展变化趋势,通过马尔科夫预测发掘状态间的转移规律,从而提高随机性时间序列的预测精度.案例分析表明,提出的方法在一定时段内具有较好的预测精度和实用性,可为道路交通事故预测分析及交通安全预警提供参考.

LTE-Advanced系统中的移动顽健性优化技术研究

网络自优化技术目前成为移动通信网络性能研究的热点。随着移动通信技术和业务的飞速发展,移动顽健性日益成为用户体验关注的重点,尤其是移动蜂窝通信网络中的切换失败、用户掉话、通信质量差等一系列问题。为解决此类切换带来的用户体验和系统移动顽健性下降问题,针对一种面向切换事件和切换场景的移动顽健性优化算法(MRO算法),以用户掉话率作为性能评价标准,分别在同构和异构网络下,综合考虑切换事件和不同切换失败场景(过早切换、过晚切换、乒乓切换)的特点优化调整切换参数,并采用系统级仿真进行了性能比较。仿真结果表明,加入MRO算法后,同构场景的掉话率从10.9%下降到6.2%,异构场景的掉话率从11.3%下降到6.3%,整体性能得到大幅提升。

基于支持向量机的移动Web浏览性能优化研究

随着网页内容和功能的丰富以及用户体验需求的提升,移动Web浏览中的计算能耗与日俱增.DVFS(Dynamic Voltage and Frequency Scaling)技术在同构多核架构中取得较好的节能效果,但在异构多核架构中,由于系统默认的调度策略没有充分利用低功耗核心,导致高性能核心的工作频率和时间往往高于实际需求,浪费大量电能.而面向异构平台的Linux HMP(Heterogeneous Multi-Processing)技术也没有充分利用异构平台的特性,无法对能效进行有效的提升.针对上述问题,该文面向移动异构平台,提出了一种基于支持向量机的CPU配置预测模型.首先选取500个热门网站主页,分析其主页面的架构(HTML)及样式(CSS)信息,进行特征选择;遍历不同CPU配置渲染网页,记录获得最优加载时间、能耗及EDP对应CPU配置;最后在线下利用支持向量机自主挖掘网页特征同最优配置的内在关系,以此构建移动异构平台的CPU资源调度预测模型.该模型通过分析网页特征,根据不同的优化目标,为渲染引擎分配合适的处理器资源.实验结果显示,同目前最先进的一种线性回归预测模型相比,该文提出的CPU资源调度模型在加载时间、能耗和EDP上的性能得到显著提升.

《移动网络优化》项目教学的探索

本文阐述了项目教学法在移动网络优化课程实践教学中运用的具体过程;应用项目教学能高质量的完成教学任务,教学效果好,同时教学的过程中培养了学生的学习能力和社会应用能力;最后提出了对项目教学法运用的几点思考.

基于CDIO模式的项目教学法在《移动通信网络优化》课程中的应用研究

项目教学法是培养符合行业需求的工程技术人才的重要途径之一,文章在研究CDIO工程教学模式的基础上,分析了项目教学的规划、设计及实施方案。并以"移动通信网络优化课程"为例,阐述了CDIO模式下项目教学法在该课程教学过程中的实施与应用方法,并在分析了实施效果的基础上,对项目教学在工程教育中的作用进行了总结。

大数据分析在移动通信网络优化中的应用

现在我国的各行各业已经开始利用大数据分析技术,移动通信行业当然也不例外,大数据分析技术对于移动通信网络优化起到至关重要的作用。移动通信网络进入新的发展时代,面临着多种挑战,好在移动通信网络有着大数据技术的支持,能够化解很多困难,本文就来讲述大数据分析在移动通信网络优化中的应用。

基于移动性优化PSO的LEACH路由算法

针对LEACH算法存在随机选择簇首、没有考虑节点剩余能量对节点地位的影响以及节点位置和密集度不同造成节点能量失衡的问题,研究使用移动性优化PSO来改进LEACH算法以均衡不同位置簇头间的能耗.移动性优化PSO使粒子根据速度信息自适应调整参数进行搜索,可避免因PSO算法早熟收敛、易陷入局部最优而导致的不能有效控制网络分簇均匀性的问题.理论分析和仿真结果表明,基于移动性优化PSO的LEACH路由算法可以有效地提高节点能量利用率,均衡网络能耗,延长网络生命周期.

校企联盟机制下“3G移动网络优化”课程的建设与开发

结合苏州市职业大学通信技术专业校企合作现状,探讨在校企联盟机制下"3G移动网络优化"课程建设与开发的思路.通过设计与创新教学模式、校企联合开发教学资源、开展多形式课程教学方法以及教学手段,实现校企优势互补、资源共享,从而将课程教学与岗位技能及职业素质培养融为一体,实现了人才培养与企业需求的"无缝对接".

LTE系统中家庭基站的移动鲁棒性优化研究

针对LTE系统中向家庭基站切换时发生的过晚切换问题,使用普通的过晚切换处理方法容易造成不必要的切换参数调整,从而导致切换失败。提出了一种改进的处理方法并给出了具体流程,用来区分造成过晚切换的具体原因,从而根据不同的原因来调整切换参数,提高了切换效率及网络稳定性,并通过仿真分析,验证了所提改进处理方法的效果预期。

移动负载均衡与移动鲁棒性优化的冲突协调

在长期演进系统中,移动负载均衡(MLB)和移动鲁棒性优化(MRO)都通过调整切换相关参数优化各自性能目标,这会引发冲突,降低系统性能。为此,提出一套针对MLB的协调机制,采用移动鲁棒性监测、切换边界标记和参数回调等方法避免两者的冲突。仿真结果表明,该协调机制能够防止MLB对切换参数的不当调节,减少切换次数,避免链路失败等问题。

基于A*改进算法的机器人移动路径优化仿真

针对传统机器人移动路径分析方法中存在撞击率高的问题,引入A*改进算法对机器人移动路径进行优化。首先利用栅格单位搭建机器人移动环境模型,并对栅格模型进行优化处理,分别在无障碍、静态障碍以及动态障碍三种移动环境下进行路径规划,通过A*改进算法获取机器人移动原始路径。在此基础上,计算路径优化约束条件,对原始路径进行平滑优化处理,输出机器人移动路径的优化结果,完成移动路径优化。经过仿真对比实验可知,使用A*改进算法进行机器人移动路径优化,路径长度和时间均能得到减少,且撞击率和路径转弯次数也明显得到改善。

LTE系统中一种移动鲁棒性优化的研究与实现

针对当前2G/3G移动系统中,由于切换参数的手工配置和参数的不更新,往往会造成用户在切换过程中发生过早切换、过晚切换和乒乓切换,这样不仅给用户体验带来负面影响,还造成了网络资源的巨大浪费。为此,3GPP标准组织在LTE系统的SON技术中引入了移动鲁棒性优化的功能。本文在其基础上,提出了一种动态调整切换参数的方法,采用了Wrap Round小区基站的布局模式进行实验,得出了切换参数CIO与切换成功率和切换乒乓率的动态关系,最终以达到减少切换相关的RLF发生进而提高网络资源的使用效率为目的。

一种智能移动通信网络优化系统的架构

为了提高移动通信网络优化软件的智能水平,实现主动网络优化的目标,首先分析了目前网络优化系统的现状及其发展趋势。在这个基础上,本文提出了一种集成Agent技术、人工智能技术、J2EE容器技术的网络优化系统框架。着重讨论了构成基本框架的各个子系统的作用及相互关系。

4G环境下数据挖掘技术在移动通信网络优化中的运用

目前我国最普及的通信网络就是4G环境,因为4G具有传播信号速度快,稳定等特点,而且价格合理。所以,在各行各业中,4G网络成为了重要的移动通信网络。而本文主要针对在4G环境下,通过数据挖掘在移动通信网络优化中的运用进行分析和阐述,以期待能够进一步的提高4G网络的速度和质量,让更多的使用者对4G移动通信网络满意。所以,结合数据挖掘的特点在移动通信网络中的运用进行分析,进一步加深数据挖掘在4G环境下对移动通信优化中的作用。

大数据分析在移动通信网络优化中的应用思考

随着我国经济的高速发展,社会现代化的步伐也在不断加快,越来越多的科技和装备在不断应用到社会和生产生活当中。大数据技术是时代发展的产物,在各种领域中的应用越来越多,在推动社会和经济发展过程中,发挥出了不小的作用。在当前移动通信覆盖越来越多的今天,人们对移动网络通信质量有了更高的要求,如果可以将大数据技术有效应用到网络的优化工作中,可以更进一步提高对网络的优化效果。为此,该文中对大数据分析在移动通信网络优化中的应用进行思考,希望对促进我国网络通信事业的发展,可以起到有利的作用。

大数据分析在移动通信网络优化中的应用研究

随着我国互联网技术的不断发展,大数据时代已经到来,在大数据技术的作用下,移动通信网络得到了很大程度的优化。目前我国的移动通信网络具体分为2G、3G和4G网络,大数据技术使移动通信网络更加高效,但在应用中也同样面临着问题。本文将具体探讨大数据分析在移动通信网络优化中的问题和应用方法,希望给相关人士提供一些参考。

基于禁忌算法的长沙移动网络优化

移动网络优化问题是一个NP难问题,所以它并不能保证在合理的运行次数里就找到最优的方案。常用的人工智能求解优化问题有遗传算法、蚁群算法和禁忌算法。相对于这几种算法在离散对象的组合优化问题中优势比较明显,而禁忌算法更容易跳出局部极值从而能在更大的范围内寻找到一个较优解。我们开发的基于禁忌算法的长沙移动网络优化软件,通过科学分析采集的数据,从而解决话务阻塞和掉话问题,优化了网络,提高了长沙移动的网络质量。

移动通信网络优化中数据挖掘技术的运用

人类进入信息时代以来,移动通信网络悄然走进了每个人的生活。在社会不断发展的过程当中,人们对移动通信的依赖程度也变得越来越高,可以这样说移动通信网络改变了每个人的生活。而数据挖掘作为一种非常典型的智能化应用技术,它不但可以对大量的数据信息进行分析和处理,而且还可以找到数据之间的内在联系,进而得到有价值信息,为科学决策提供必要的依据。将数据挖掘技术应用到移动通信网络当中不仅能够起到提高网络质量的作用,而且对于提高企业的竞争力也有非常重要的作用。