-
公开(公告)号：CN108259628B
公开(公告)日：2020-11-10
申请号：CN201810165079.1
申请日：2018-02-28
Applicant: 重庆邮电大学
Abstract: 本发明属于移动通信领域，涉及一种异构蜂窝网络中内容缓存与用户关联联合优化方法，包括：根据基站存储容量和服务用户数的限制，以用户获取内容的平均时延的最小化为目标，建立内容缓存与用户关联的联合优化模型以及联合目标函数；根据所述联合目标函数通过三次指数平滑法预测下一周期基站上内容的访问频次，决定内容缓存；根据用户到达是否密集采取不同的关联方式，将用户关联至合适的基站；若用户到达密集，则采用时延关联方式，否则采用即时关联方式，本发明通过上述两种关联方式能够保证用户的服务质量。
-
公开(公告)号：CN106599935A
公开(公告)日：2017-04-26
申请号：CN201611244051.4
申请日：2016-12-29
Applicant: 重庆邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6262 , G06K9/6271
Abstract: 本发明请求保护一种基于Spark大数据平台的三支决策不平衡数据过采样方法，涉及数据挖掘邻域，Spark大数据技术。首先使用Spark的RDD进行数据变换，得到归一化的LabeledPoint格式 的样本集，并分成训练集和测试集；其次采用Spark的RDD进行数据变化，求样本间的距离，确定领域半径，根据邻域三支决策模型将整个训练集中的样本划分成正域样本，边界域样本和负域样本；然后分别对边界域样本，负域样本进行过采样；最后调用Spark Mllib机器学习算法，验证采样效果。本发明有效解决大规模不平衡数据集在机器学习和模式识别领域中的分类问题。
-
公开(公告)号：CN106599935B
公开(公告)日：2019-07-19
申请号：CN201611244051.4
申请日：2016-12-29
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明请求保护一种基于Spark大数据平台的三支决策不平衡数据过采样方法，涉及数据挖掘邻域，Spark大数据技术。首先使用Spark的RDD进行数据变换，得到归一化的LabeledPoint格式 的样本集，并分成训练集和测试集；其次采用Spark的RDD进行数据变化，求样本间的距离，确定领域半径，根据邻域三支决策模型将整个训练集中的样本划分成正域样本，边界域样本和负域样本；然后分别对边界域样本，负域样本进行过采样；最后调用Spark Mllib机器学习算法，验证采样效果。本发明有效解决大规模不平衡数据集在机器学习和模式识别领域中的分类问题。
-
公开(公告)号：CN108259628A
公开(公告)日：2018-07-06
申请号：CN201810165079.1
申请日：2018-02-28
Applicant: 重庆邮电大学
CPC classification number: H04L67/2842 , H04W24/02 , H04W28/02 , H04W28/0278
Abstract: 本发明属于移动通信领域，涉及一种异构蜂窝网络中内容缓存与用户关联联合优化方法，包括：根据基站存储容量和服务用户数的限制，以用户获取内容的平均时延的最小化为目标，建立内容缓存与用户关联的联合优化模型以及联合目标函数；根据所述联合目标函数通过三次指数平滑法预测下一周期基站上内容的访问频次，决定内容缓存；根据用户到达是否密集采取不同的关联方式，将用户关联至合适的基站；若用户到达密集，则采用时延关联方式，否则采用即时关联方式，本发明通过上述两种关联方式能够保证用户的服务质量。
-
-
-
Search Results
4
records
(took 0.019 seconds)
