学术期刊
切换导航
首 页
文 章
期 刊
投 稿
预 印
会 议
书 籍
新 闻
合 作
我 们
按学科分类
Journals by Subject
按期刊分类
Journals by Title
核心OA期刊
Core OA Journal
数学与物理
Math & Physics
化学与材料
Chemistry & Materials
生命科学
Life Sciences
医药卫生
Medicine & Health
信息通讯
Information & Communication
工程技术
Engineering & Technology
地球与环境
Earth & Environment
经济与管理
Economics & Management
人文社科
Humanities & Social Sciences
合作期刊
Cooperation Journals
首页
信息通讯
天线学报
Vol. 5 No. 1 (March 2016)
期刊菜单
最新文章
历史文章
检索
领域
编委
投稿须知
文章处理费
最新文章
历史文章
检索
领域
编委
投稿须知
文章处理费
基于机器学习方法的无线信道特征的识别与区域划分
Identification and Region Division of Wireless Channel Characteristics Based on Machine Learning Method
DOI:
10.12677/JA.2016.51001
,
PDF
,
HTML
,
XML
,
被引量
下载: 2,723
浏览: 7,211
作者:
吴仍康
:云南财经大学统计与数学学院,云南 昆明
关键词:
机器学习
;
无线信道
;
决策树模型
;
区域划分
;
Machine Learning
;
Wireless Channel
;
Decision Tree Model
;
Region Division
摘要:
本文运用机器学习方法,对无线信道的特征建立了相应的决策树分类模型。并且对所建立的决策树模型运用真实信道数据进行了测试检验,发现分类效果较好。因此,该机器学习模型对无线信道特征的识别具有较高的准确性。进而可以运用该模型对无线信道数据进行有效的区域划分,并且该模型还具备了一定的统计学意义。
Abstract:
In this paper, using the machine learning method establishes the corresponding decision tree classification model for the characteristics of wireless channel. Using the real channel data tests the decision tree model and finds the classification results are better. Therefore, this machine learning method recognition model has high accuracy for wireless channel characteristics. Then we can use the model to divide the wireless channel data into region effectively, and the model also has statistical significance.
文章引用:
吴仍康. 基于机器学习方法的无线信道特征的识别与区域划分[J]. 天线学报, 2016, 5(1): 1-7.
http://dx.doi.org/10.12677/JA.2016.51001
参考文献
[
1
]
Rappaport, T.S. 无线通信原理与应用[M]. 第2版. 北京: 电子工业出版社, 2006.
[
2
]
顾来华. 机器学习在无线通信中的应用研究[D]: [硕士学位论文]. 南京: 南京大学, 2012.
[
3
]
胡俊. 基于支持向量机和决策树的电信通信数据分析与应用[D]: [硕士学位论文]. 广州: 广东工业大学, 2014.
[
4
]
王磊, 王西点, 程楠. 基于大数据技术的智能化无线网络优化体系[J]. 电信科学, 2015(12): 125-131.
[
5
]
王志浩. 基于在线机器学习方法的通信设备故障预警技术研究[J]. 数字技术与应用, 2015(7): 85-91.
[
6
]
吴喜之. 复杂数据统计方法基于R的应用[M]. 北京: 中国人民大学出版社, 2013.
投稿
为你推荐
友情链接
科研出版社
开放图书馆