基于用户行为分析的无线前传网络边缘缓存策略
发布时间：2021-04-27 21:23
随着移动互联网的高速发展和新兴网络应用服务的不断繁荣,移动网络用户的数量剧增,且用户对移动互联网在大容量、低时延以及智能化等方面的需求也越来越高。为了满足用户需求,第五代移动通信（5G）应运而生。在5G前传网络的边缘部署缓存资源能够有效地降低网络内容的传输时延和缓解网络链路的负载压力,是提高网络用户使用体验的有效方式。然而,现存的网络边缘缓存方案绝大多数都是只考虑网络内容在某个区域网络或者全网中的流行度,反而忽略了网络用户的不同组成成分,以及不同网络用户成分所请求的网络内容之间的差异。针对以上问题,本文在用户行为分析及预测的基础上提出了一种混合式网络边缘缓存方案,其主要研究贡献点如下:提出了基于密度比估计方法的密度峰值（Density Ratio Peak,DRP）用户聚类算法,旨在解决5G网络用户的聚类及其行为分析。根据网络用户的喜好度,采用了密度峰值（Density Peak,DP）聚类算法将网络用户聚类成不同的类簇。然而当用户行为数据在各个类簇之间密度差异过大的情况下,DP算法就无法精准地识别出用户数据集中全部的类簇,或者将用户归类到错误类簇的比例将会大大增加。针对这一问题,本文...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
缩略词表
第一章 绪论
1.1 研究背景
1.2 研究目的与意义
1.3 国内外研究现状
1.3.1 网络边缘缓存策略
1.3.2 用户行为分析和预测
1.4 论文的组织结构
第二章 用户行为分析和预测以及网络边缘缓存策略相关内容
2.1 数据挖掘技术在网络用户行为分析和预测中的应用
2.2 网络用户行为分析和预测算法的评定标准
2.2.1 网络用户行为分析算法的评测参数
2.2.2 网络用户行为数据预测算法的评测参数
2.3 网络边缘缓存策略相关内容
2.3.1 网络边缘缓存的位置选择
2.3.2 D2D通信技术
2.3.3 网络内容的缓存依据
2.3.4 缓存替换策略
2.3.5 齐夫分布
2.4 本章小结
第三章 用于无线前传网络边缘缓存的用户行为分析及预测方法
3.1 网络用户行为分析和预测的步骤模型
3.2 针对网络用户行为分析和预测的数据挖掘算法选择
3.2.1 网络用户行为分析算法的选择
3.2.2 针对网络用户喜好度预测的数据挖掘算法选择
3.3 DP聚类算法的原理及改进
3.3.1 密度峰值(DP)聚类算法
3.3.2 密度比估计(DRE)算法
3.3.3 基于DRE算法改进的密度比峰值(DRP)聚类算法
3.4 ARIMA预测模型原理及改进
3.4.1 时间序列数据的平稳性检验
3.4.2 预测模型的选择及其参数的确定
3.4.3 经验模态分解(EMD)算法
3.4.4 EMD-ARIMA预测模型
3.5 网络用户行为分析及预测的仿真结果
3.5.1 基于DRP算法的用户行为分析仿真
3.5.2 EMD-ARIMA模型的性能测试
3.6 本章小结
第四章 基于用户行为分析和预测的无线前传网络边缘缓存策略
4.1 单小区网络边缘缓存策略
4.1.1 混合网络边缘缓存策略
4.1.2 主动缓存替换策略
4.1.3 移动用户获取网络内容步骤
4.2 多小区网络边缘协作缓存策略
4.2.1 混合协作网络边缘缓存策略
4.2.2 主动协作缓存替换策略
4.2.3 移动用户获取网络内容步骤
4.3 网络边缘缓存策略的仿真结果与分析
4.3.1 数据整理
4.3.2 单小区网络边缘缓存策略性能分析
4.3.3 多小区协作缓存策略性能分析
4.4 本章小结
第五章 总结与展望
5.1 工作总结
5.2 未来展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]A Survey of Testing for 5G:Solutions,Opportunities,and Challenges[J]. Ping Zhang,Xiaoli Yang,Jianqiao Chen,Yuzhen Huang. 中国通信. 2019(01)
[2]基于自组织中心K-means算法的用户互动用电行为聚类分析[J]. 周冰钰,刘博,王丹,兰宇,马喜然,孙冬冬,霍秋屹. 电力建设. 2019(01)
[3]面向分域信息中心网络的协作混合缓存和路由策略[J]. 芮兰兰,孔嘉晖,黄豪球,彭昊. 电子与信息学报. 2017(11)
本文编号：3164179
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
缩略词表
第一章 绪论
1.1 研究背景
1.2 研究目的与意义
1.3 国内外研究现状
1.3.1 网络边缘缓存策略
1.3.2 用户行为分析和预测
1.4 论文的组织结构
第二章 用户行为分析和预测以及网络边缘缓存策略相关内容
2.1 数据挖掘技术在网络用户行为分析和预测中的应用
2.2 网络用户行为分析和预测算法的评定标准
2.2.1 网络用户行为分析算法的评测参数
2.2.2 网络用户行为数据预测算法的评测参数
2.3 网络边缘缓存策略相关内容
2.3.1 网络边缘缓存的位置选择
2.3.2 D2D通信技术
2.3.3 网络内容的缓存依据
2.3.4 缓存替换策略
2.3.5 齐夫分布
2.4 本章小结
第三章 用于无线前传网络边缘缓存的用户行为分析及预测方法
3.1 网络用户行为分析和预测的步骤模型
3.2 针对网络用户行为分析和预测的数据挖掘算法选择
3.2.1 网络用户行为分析算法的选择
3.2.2 针对网络用户喜好度预测的数据挖掘算法选择
3.3 DP聚类算法的原理及改进
3.3.1 密度峰值(DP)聚类算法
3.3.2 密度比估计(DRE)算法
3.3.3 基于DRE算法改进的密度比峰值(DRP)聚类算法
3.4 ARIMA预测模型原理及改进
3.4.1 时间序列数据的平稳性检验
3.4.2 预测模型的选择及其参数的确定
3.4.3 经验模态分解(EMD)算法
3.4.4 EMD-ARIMA预测模型
3.5 网络用户行为分析及预测的仿真结果
3.5.1 基于DRP算法的用户行为分析仿真
3.5.2 EMD-ARIMA模型的性能测试
3.6 本章小结
第四章 基于用户行为分析和预测的无线前传网络边缘缓存策略
4.1 单小区网络边缘缓存策略
4.1.1 混合网络边缘缓存策略
4.1.2 主动缓存替换策略
4.1.3 移动用户获取网络内容步骤
4.2 多小区网络边缘协作缓存策略
4.2.1 混合协作网络边缘缓存策略
4.2.2 主动协作缓存替换策略
4.2.3 移动用户获取网络内容步骤
4.3 网络边缘缓存策略的仿真结果与分析
4.3.1 数据整理
4.3.2 单小区网络边缘缓存策略性能分析
4.3.3 多小区协作缓存策略性能分析
4.4 本章小结
第五章 总结与展望
5.1 工作总结
5.2 未来展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]A Survey of Testing for 5G:Solutions,Opportunities,and Challenges[J]. Ping Zhang,Xiaoli Yang,Jianqiao Chen,Yuzhen Huang. 中国通信. 2019(01)
[2]基于自组织中心K-means算法的用户互动用电行为聚类分析[J]. 周冰钰,刘博,王丹,兰宇,马喜然,孙冬冬,霍秋屹. 电力建设. 2019(01)
[3]面向分域信息中心网络的协作混合缓存和路由策略[J]. 芮兰兰,孔嘉晖,黄豪球,彭昊. 电子与信息学报. 2017(11)
本文编号：3164179
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3164179.html
