作者:
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:
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。
推荐文章
面向人体行为识别的深度特征学习方法比较
深度学习
行为识别
序列数据分类
深度卷积神经网络
长短期时间记忆网络
无线信道指纹特征识别技术研究
积分包络
模糊数学
小波变换
贴近度
基于概率轨迹匹配的机器人模仿学习方法
模仿学习
概率模型
轨迹匹配
高斯过程
控制策略
基于机器学习方法的无线传感网络时钟同步算法
无线传感网络
最小二乘法
时钟同步
时钟偏差
频率偏差
均方误差
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 基于机器学习方法的无线信道特征的识别与区域划分
来源期刊 天线学报 学科 工学
关键词 机器学习 无线信道 决策树模型 区域划分
年,卷(期) 2016,(1) 所属期刊栏目
研究方向 页码范围 1-7
页数 7页 分类号 TP39
字数 语种
DOI
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 吴仍康 云南财经大学统计与数学学院 6 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(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)
研究主题发展历程
节点文献
机器学习
无线信道
决策树模型
区域划分
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
天线学报
季刊
2325-2227
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
42
总下载数(次)
53
总被引数(次)
0
论文1v1指导