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:
本文采用基于随机森林算法模型的LTE网络干扰预测系统,批量快速识别、预测网络干扰类型,提取有效的干扰数据作为模型的输入、干扰类型作为输出,通过学习训练构建出稳定可靠的随机森林模型,并对模型的预测过程进行改进,使得模型不仅能识别单干扰类型,而且能识别复合干扰类型,从而更具普遍性,以提高LTE干扰优化、排查工作效率与准确性.
推荐文章
基于贝叶斯模型组合的随机森林预测方法
K均值聚类
交叉验证
随机森林
贝叶斯模型组合
太阳能辐照度
基于改进随机森林算法的股票趋势预测
股票趋势预测
技术指标
特征选择
改进的随机森林算法
基于改进的随机森林算法股票收益率预测研究
粒子群
随机森林
股票收益率
特征选择
基于随机森林算法和粗糙集理论的改进型深度学习 短期负荷预测模型
电力负荷预测
随机森林(RF)算法
深度学习(DL)
粗糙集理论(RST)
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 基于随机森林算法模型的干扰预测
来源期刊 山东通信技术 学科
关键词 网络干扰 随机森林算法模型 复合干扰
年,卷(期) 2017,(4) 所属期刊栏目 技术研究与应用
研究方向 页码范围 22-23,27
页数 3页 分类号
字数 1990字 语种 中文
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 李言兵 11 17 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (24)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
网络干扰
随机森林算法模型
复合干扰
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
山东通信技术
季刊
37-1161/TN
大16开
山东省济南市经十一路40号
1979
chi
出版文献量(篇)
1137
总下载数(次)
4
论文1v1指导