基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出基于K-最近邻算法的话务智能预测技术,利用机器学习算法从电信话务信息的历史数据中提取规律,从而预测未来的电信话务信息情况.在算法中根据时间间隔对样例的距离度量进行了特征加权.针对互联互通来话数据的实验表明,该算法具有良好的性能.
推荐文章
基于改进的K-最近邻算法的病毒检测方法
K-最近邻算法
计算机病毒
病毒检测
Internet
一种自适应k-最近邻算法的研究
模式分类
k-最近邻算法
超球
BP网络算法
一种基于角相似性的k-最近邻搜索算法
k-最近邻搜索
数据分割
角相似性
壳-超圆锥体
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于K-最近邻算法的话务智能预测技术
来源期刊 科学技术与工程 学科 工学
关键词 机器学习 最近邻算法 话务预测
年,卷(期) 2007,(21) 所属期刊栏目 论文
研究方向 页码范围 5544-5548,5566
页数 6页 分类号 TN915.07
字数 5132字 语种 中文
DOI 10.3969/j.issn.1671-1815.2007.21.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨贯中 湖南大学软件学院 114 703 14.0 19.0
2 杨梦雄 湖南大学软件学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (75)
参考文献  (9)
节点文献
引证文献  (4)
同被引文献  (6)
二级引证文献  (3)
1964(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(5)
  • 参考文献(4)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
机器学习
最近邻算法
话务预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导