《數(shù)據(jù)挖掘的應(yīng)用決策樹神經(jīng)網(wǎng)絡(luò)Autosav》由會員分享，可在線閱讀，更多相關(guān)《數(shù)據(jù)挖掘的應(yīng)用決策樹神經(jīng)網(wǎng)絡(luò)Autosav（31頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,For internal use only,#,Nokia Siemens Networks,R 255 G 211 B 8,R 255 G 175 B 0,R 127 G 16 B 162,R 163 G 166 B 173,R 137 G 146 B 155,R 175 G 0 B 51,R 52 G 195 B 51,R 0 G 0 B 0,R 255 G 2

2、55 B 255,Primary colours:,Supporting colours:,數(shù)據(jù)挖掘在優(yōu)化中的應(yīng)用,-,決策樹,-,神經(jīng)網(wǎng)絡(luò),數(shù)據(jù)挖掘解釋,數(shù)據(jù)挖掘，又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)（,Knowledge discovery from database,，簡稱,KDD,），它是一個從大量數(shù)據(jù)中抽取挖掘出未知的、有價值的模式或規(guī)律等知識的復(fù)雜過程。數(shù)據(jù)挖掘的全過程定義描述如下,:,常用模型,決策樹：該模型常?？梢杂脕頇z驗、預(yù)測離散型的數(shù)據(jù)。如客戶的信用等級，貸款的優(yōu)良與否等等。,人工神經(jīng)網(wǎng)絡(luò)：這是對人體大腦的模擬,.,該方法利用隱藏的一到兩層，對數(shù)據(jù)進(jìn)行分類或預(yù)測。但是速度比較慢。,多元回

3、歸：主要用于處理連續(xù)型的自變量和應(yīng)變量，并可用于預(yù)測和其他分析。,Logistic,回歸：與線性回歸類似，但處理離散型的應(yīng)變量比較合適,K-means,和聚類分析：主要用于分類,Kohonen self-organizing maps:,是一種類似神經(jīng)網(wǎng)絡(luò)，但主要用于聚類的分析工具。,關(guān)聯(lián)準(zhǔn)則：主要用于尋找在數(shù)據(jù)中頻繁發(fā)生的記錄間的關(guān)系，并可用于預(yù)測。,分類,(classification),；,估計,(estimation),；,預(yù)測,(prediction),；,關(guān)聯(lián)分組,(affinity grouping),；,聚類,(clustering),。,數(shù)據(jù)挖掘的功能,數(shù)據(jù)挖掘功能與模型,決

4、策樹的應(yīng)用,Link Adaption,優(yōu)化,神經(jīng)網(wǎng)絡(luò)的應(yīng)用,TDMR,的定位,數(shù)據(jù)挖掘的應(yīng)用,決策樹的概念,所謂決策樹就是一個類似流程圖的樹型結(jié)構(gòu)，其中樹的每個內(nèi)部結(jié)點代表對一個屬性（取值）的測試，其分支就代表測試的每個結(jié)果；而樹的每個葉結(jié)點就代表一個類別。樹的最高層結(jié)點就是根結(jié)點,.,類別型,數(shù)值型,應(yīng)用場景,兩者關(guān)系很難通過其它函數(shù)關(guān)系不明確,難以建立映射,.,一條直線或者簡單的曲線很難將內(nèi)容分割,決策樹生成方法,找出,起,始的分隔,:,用,來評估,一,個分,隔,數(shù),的衡量,標(biāo)準(zhǔn),是分散度（,diversity,）。分散度指,標(biāo),（,index of diversity,）很高，表示,這

5、個組,合中包含,平,均分配到多個類別，而分散度指,標(biāo),很低,則,表示一,個單,一,類,別的,成員居優(yōu)勢,。,最好的分隔,變數(shù),是能夠,降低,一,個,組的分散度，而且,降,得最多。,即下面式子,最大化：,分散度（分隔前）,分散度（分隔,后,左,邊,子集,合）分散度（分隔,后,右,邊,子集合）,數(shù)據(jù)業(yè)務(wù)對語音的影響,數(shù)據(jù)對業(yè)務(wù)信道的擠占,造成語音半速率比例增加,MOS,值的下降,影響用戶的感受,;,數(shù)據(jù)對業(yè)務(wù)信道擠占的同時,與語音共享頻率資源,對語音質(zhì)量的影響,;,數(shù)據(jù)對公共信道的擠占,造成尋呼的負(fù)荷增加,影響語音業(yè)務(wù)的被叫,;,如何改善,?,提高單時隙的傳輸數(shù)據(jù)效率,減小數(shù)據(jù)占用信道的時間,改善

6、對語音的影響,!,如何改善,?,減少數(shù)據(jù)對公共信道資源的擠占，增加公共信道資源的容量,!,合理分配數(shù)據(jù)和語音對頻率資源的占用,讓語音占用更好的頻率資源,!,如何提高單時隙的傳輸數(shù)據(jù)效率,信道分配和釋放機(jī)制的優(yōu)化,:,信道分配,:,優(yōu)先保證語音信道的分配,;,合理壓縮數(shù)據(jù)信道的資源,提升數(shù)據(jù)信道效率,減少語音半速率的觸發(fā),;,信道釋放,:,加快數(shù)據(jù)下行信道的釋放,提升信道效率,;,增加,EDGE,資源的投入,使更多的用戶使用,EDGE,提高整體的單時隙的吞吐率,;,自適應(yīng)鏈路的優(yōu)化研究,分析高編碼比例和重傳率對單時隙吞吐率的影響,;,研究在不同無線環(huán)境下,編碼方式的調(diào)度修正值對高編碼比例和重傳率

7、的影響,;,建立在不同無線環(huán)境下,自適應(yīng)鏈路的參數(shù)與單時隙吞吐率的模型關(guān)系,;,找到最匹配的參數(shù)設(shè)置,來提高單時隙的傳輸效率,;,鏈路自適應(yīng)工作機(jī)制,1/2,數(shù)據(jù)傳輸剛啟動所應(yīng)用的編碼方式，是通過參數(shù)預(yù)先設(shè)定的。以下是諾基亞系統(tǒng)內(nèi)的相應(yīng)參數(shù)，為,BTS,級參數(shù)：,InitMCSAckMode 1,至,9(,默認(rèn)值為,9=MCS9),InitMCSUnackMode 1,至,9(,默認(rèn)值為,6=MCS6),由于,MCS14,為,GMSK,調(diào)制方式，而,MCS59,為,8PSK,調(diào)制。所以，應(yīng)對無線環(huán)境的變化，首先要確定采用哪種調(diào)制方式。,諾基亞系統(tǒng)在進(jìn)行上述判斷時，首先根據(jù)以下兩個測量值：,8P

8、SK MEAN_BEP,8PSK CV_BEP,來對照下表，獲取,BEP,查表值：,然后，把這個,BEP,查表值與,GMSK MEAN_BEP,測量值比較，如果：,BEP,查表值,GMSK MEAN_BEP,測量值，則采用,8PSK,調(diào)制方式,啟動信道編碼的設(shè)置,調(diào)制方式的動態(tài)選擇,鏈路自適應(yīng)工作機(jī)制,2/2,在,ACK,模式的,MCS,編碼選擇方式,重傳的,MCS,編碼選擇方式,針對每個,RLC,數(shù)據(jù)塊，,PCU,都能拿到測量報告，上行鏈路系統(tǒng)測量、下行鏈路手機(jī)上報，這樣，,PCU,通過查找內(nèi)置表格，如下圖所示，來確定下一個,RLC,傳送的編碼。,在,EGPRS,系統(tǒng)，重傳數(shù)據(jù)的編碼方式是可

9、以改變，這與,GPRS,技術(shù)有所不同。系統(tǒng)通過降低編碼速率，提高數(shù)據(jù)的強(qiáng)壯性，來對抗惡化的無線環(huán)境，最終達(dá)到提高成功率的目的。而編碼方式的改變，將涉及到數(shù)據(jù)塊的重新組裝，只有屬于相同,Coding Family,的編碼方式才可以達(dá)到這種兼容性。在,EGPRS,系統(tǒng)中，,9,種編碼分別屬于三個,FAMILY,，如下圖所示：,優(yōu)化思路,通過,LA,提高數(shù)據(jù)傳送效率，一方面可以減少數(shù)據(jù)業(yè)務(wù),PDCH,的資源占用，另一方面占用時間減少后，能夠降低對語音業(yè)務(wù)的干擾。,優(yōu)化目標(biāo)的選擇：,(,主要優(yōu)化參數(shù),MBP),每時隙吞吐率,=,總流量,/,平均占用,PDCH,數(shù),該指標(biāo)受平均占用,PDCH,數(shù)影響很大

10、，如果小區(qū)的,CDED,配置較小，那么每時隙吞吐率必定會較大，無法反映傳送效率。,數(shù)據(jù)業(yè)務(wù)等效話務(wù)量,=,傳送的總塊數(shù),/,每時隙每小時能夠傳送的塊數(shù),該指標(biāo)只能反映數(shù)據(jù)業(yè)務(wù)的流量大小。,每塊傳送字節(jié)數(shù),=,總字節(jié),/,總塊數(shù)（包括重傳的塊數(shù)）,該指標(biāo)的分子部分隱含意義是是否高編碼占比高，分母部分將重傳率也納入考慮，該指標(biāo)最能體現(xiàn)數(shù)據(jù)傳送效率。,相關(guān)性分析,-,尋找影響每塊傳送效率的主要因素,每塊傳送效率和重傳率以及高編碼占比，而重傳率和高編碼占比需要,LA,和,IR,參數(shù)優(yōu)化來解決,通過相關(guān)性分析降緯,每塊重傳效率和下行平均質(zhì)量相關(guān)度最大，其次是下行,1-5,級質(zhì)量占比，下行,Path lo

11、ss,和下行接收電平相關(guān)性很小。,下行平均質(zhì)量和,1-5,級質(zhì)量占比自相關(guān)度比較大，因此將下行平均質(zhì)量作為決策樹的因子。,決策樹尋找最優(yōu),MBP,當(dāng)平均接收接收質(zhì)量小于,0.19,時（也就是無線質(zhì)量非常良好時，,MBP,取,6,能夠得到最大的塊傳送效率,0.12kyte/block.(960bit,每塊）,當(dāng)平均接收接收質(zhì)量大于,0.19,且小于,0.55,時，,MBP,取,5,能夠得到最大的塊傳送效率,0.11kyte/block.(880bit,每塊）,MBP,是離散的,Quality,是連續(xù)的,其它的函數(shù)較難映射,決策樹結(jié)果理解,將選擇質(zhì)量較差至少,9,個小區(qū)，分別設(shè)置,-6,-5,-4

12、,-3,-2,-1,0,1,2,來觀察每塊傳送效率，,LA,參數(shù)調(diào)整后效果評估,參考尋優(yōu)結(jié)果后,調(diào)整,MBP,設(shè)置后,每塊傳送字節(jié)數(shù)從,112,字節(jié)上升到,118,字節(jié),.,數(shù)據(jù)挖掘的應(yīng)用,決策樹的應(yīng)用,Link Adaption優(yōu)化,神經(jīng)網(wǎng)絡(luò)的應(yīng)用,TDMR,的定位,生物神經(jīng)元,人工神經(jīng)網(wǎng)絡(luò)的研究出發(fā)點是以生物神經(jīng)元學(xué)說為基礎(chǔ)的,神經(jīng)網(wǎng)絡(luò)處理信息的特點,在,微觀內(nèi)部結(jié)構(gòu),上模仿人腦的神經(jīng),并行分布系統(tǒng)處理的工作模式,:,實際上大腦中單個神經(jīng)元的信息處理速度是很慢的，每次約,1,毫秒,(ms),，比通常的電子門電路要慢幾個數(shù)量級。每個神經(jīng)元的處理功能也很有限，估計不會比計算機(jī)的一條指令更復(fù)雜。

13、,但是人腦對某一復(fù)雜過程的處理和反應(yīng)卻很快，一般只需幾百毫秒。例如要判定人眼看到的兩個圖形是否一樣，實際上約需,400 ms,，而在這個處理過程中，與腦神經(jīng)系統(tǒng)的一些主要功能，如視覺、記億、推理等有關(guān)。按照上述神經(jīng)元的處理速度，如果采用串行工作模式，就必須在幾百個串行步內(nèi)完成，這實際上是不可能辦到的。因此只能把它看成是一個由眾多神經(jīng)元所組成的超高密度的并行處理系統(tǒng)。例如在一張照片尋找一個熟人的面孔，對人腦而言，幾秒鐘便可完成，但如用計算機(jī)來處理，以現(xiàn)有的技術(shù)，是不可能在短時間內(nèi)完成的。由此可見，大腦信息處理的并行速度已達(dá)到了極高的程度。,神經(jīng)網(wǎng)絡(luò)模型,x,2,w,2,x,n,w,n,x,1,w

14、,1,F,y,F,特性函數(shù),y,x,0,非線性,階躍,人工神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí),(,訓(xùn)練,),這種學(xué)習(xí)歸結(jié)為神經(jīng)元連接權(quán)的變化。調(diào)整,Wij,的原則為：若第,i,和第,j,個神經(jīng)元同時處于興奮狀態(tài)，則它們之間的連接應(yīng)當(dāng)加強(qiáng)，這一規(guī)則與“條件反射”學(xué)說一致，并已得到神經(jīng)細(xì)胞學(xué)說的證實。,TDMR,的定位應(yīng)用,TDMR,的定位數(shù)據(jù),:,MR,數(shù)據(jù),(OSS):,頻點,擾碼,電平,網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù),小區(qū)信息,經(jīng),/,緯度,小區(qū)方向,頻率,擾碼,天線參數(shù),包括主服務(wù)小區(qū)和相鄰小區(qū)的,訓(xùn)練樣本數(shù)據(jù),(DT):,頻點,擾碼,電平,樣本經(jīng)緯度,原理,利用訓(xùn)練樣本數(shù)據(jù),結(jié)合網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù),訓(xùn)練模型,將,MR,數(shù)據(jù)代入

15、,得到待定位,MR,數(shù)據(jù)的經(jīng)緯度,.,MR,數(shù)據(jù),(OSS):,即，實際測量中待定位樣本測得的臨近小區(qū)的場強(qiáng)分貝數(shù)，其中每行表示一個樣本，前,14,列表示每個樣本測得的臨近,7,個小區(qū)的小區(qū)號和相應(yīng)場強(qiáng)值。,訓(xùn)練樣本數(shù)據(jù),(DT):,用于提供訓(xùn)練樣本，構(gòu)建訓(xùn)練樣本庫，訓(xùn)練模型。其中每行表示一個樣本，前,14,列表示每個樣本測得的臨近,7,個小區(qū)的小區(qū)號和相應(yīng)場強(qiáng)值；第,15-16,列為該樣本的經(jīng)度和緯度。,小區(qū)信息,:,提供所有小區(qū)的信息，其中每行提供一個小區(qū)的信息，第,1,列為小區(qū)號，第,2-3,列為小區(qū)的經(jīng)緯度、第,4,列為該小區(qū)的方向角（單位：度），第,5,列為該小區(qū)的類型（,1,表示室

16、外小區(qū)，,0,表示室內(nèi)或全向的小區(qū)）,天線參數(shù),:,每個方向角的增益變化，用于對傳播模型進(jìn)行修正。行號為角度（單位：度）偏移量，每行的數(shù)字表示該角度偏移量的增益變化。,TDMR,定位模型的訓(xùn)練,MS,到各,BS,距離的相對關(guān)系可以通過,MS,所測到的各,BS,的信號強(qiáng)度的相對關(guān)系來表征,.,傳統(tǒng)方法,:,根據(jù)訓(xùn)練樣本數(shù)據(jù),構(gòu)建,MS,到,BS,的傳播模型,得到距離與電平的映射關(guān)系,.,缺點,傳播模型受限地理環(huán)境,失真較大,神經(jīng)網(wǎng)絡(luò),:,根據(jù)訓(xùn)練樣本數(shù)據(jù),構(gòu)建,MS,所測電平相對關(guān)系與位置相對關(guān)系的整體映射,.,特點,脫離傳播模型,不受限地理環(huán)境,根據(jù)相對電平關(guān)系的總體映射,依據(jù)概率模糊識別,MS,的位置區(qū)域,.,TDMR,的算法實現(xiàn),傳統(tǒng)方法,+,神經(jīng)網(wǎng)絡(luò),依據(jù)樣本數(shù)據(jù),對每個小區(qū)的傳播模型進(jìn)行修正,如果不匹配神經(jīng)網(wǎng)絡(luò),則根據(jù)修正后的傳播模型,進(jìn)行定位,.,根據(jù)待定位數(shù)據(jù)的特點匹配結(jié)果,如果適合神經(jīng)網(wǎng)絡(luò)定位,則按照神經(jīng)網(wǎng)絡(luò)方法定位,擬合度,TDMR,定位誤差分析,神經(jīng)網(wǎng)絡(luò)定位誤差,:50m;,傳統(tǒng)定位誤差,:200m,受限網(wǎng)格內(nèi)測試點的分布,The End,