公开(公告)号：CN113159109B

公开(公告)日：2024-03-08

申请号：CN202110240274.8

申请日：2021-03-04

Applicant: 北京邮电大学

Inventor： 邢旭东 ,  高晖 ,  许文俊 ,  陆月明

IPC: H04W24/06 ,  G06F18/2321 ,  G06F18/22 ,  G06N3/0442 ,  G06N3/045

公开(公告)号：CN113159109A

公开(公告)日：2021-07-23

申请号：CN202110240274.8

申请日：2021-03-04

Applicant: 北京邮电大学

Inventor： 邢旭东 ,  高晖 ,  许文俊 ,  陆月明

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  H04W24/06

Abstract: 精确的流量预测在智能无线网络中至关重要，这使得智能无线网络作可以提高用户的体验质量。本发明提出了一种基于序列波动模式聚类的无线流量预测架构。首先从原始流量中提取波动模式(基线特征)，同时保留噪声分量(残差特征)。然后采用一种层次化密度聚类策略对基线特征聚类。进而采用一种基于LSTM的神经网络模型来学习每个聚类簇中的基线特征。同时，在本发明中，我们假设聚类簇中每个采样时刻的残差特征服从正太分布。通过对残差特征做概率参数估计，以保证整个架构的完备程度。本发明使用真实数据进行实验，因此能够更好地适应真实场景。实验结果表明，与对相关照方案相比，本发明所提方案有效地提高了预测性能。