网络优化中的空间大数据挖掘毕业设计说明书(编辑修改稿)

网络优化中的空间大数据挖掘毕业设计说明书(编辑修改稿)内容摘要：

络社区结构发现等空间分析算法，将网络中全部小区分簇，使得同一簇内的小区地理位置相近、相互间相关性较强。 基站属于 一个 一 个 的 小区， 小区 指的是 一个 基站 在 它所覆盖的范围 ，并且每个小区都有 自己 独立的 小区编 号， 一般 一 个基站属于 三个小区，小区之间是有相互关系的，包含 小区间邻区、切换关系、干扰关系等等。 一个小区可以有多个相邻小区。 邻区的关系 不光 表现 在 地理 上，还有 一些 学科 的指标。 有一些 运营商 在网络维护上定义一些关系，只要这两个小区有了邻区关系之后，从一个小区走到另一个小区不会 掉话。 在实际 网络 中，少的小区有四五十个，多的一百多个。 把 它 放在图 的 模型中 ，点则是对应小区，小区之间有 邻区 关系就有一条边。 其一 ，可以 找完全 子图。 完全子图即在图中结点之间相互之间都有边就是完全子图，完全子图 把 小区分成簇，这 是 一种找的方法，还有一种就是 其二 ，在图中， 图上 有很多个 顶 点， 顶点 之间 有边， 把相互之间连接 比较 紧密 ， 边比较多的 顶点 聚在一起。 把 小区 当做顶点，边则河北工业大学 20xx 届本科毕业设计说明书 6 体现 在邻区等关系 上，这是一种 动态 关系，把联系紧密的小区 放在 一起，技术上参考 复杂 网络挖掘，通过搜集一些社区挖掘算法， 实现 这一功能，并且要求算法的复杂 度 要小于等于。 把 基站的 聚类 这一算法呈现出来可以有多 种方法 ，包括可以使 用 MapXtreme 地理信息系统， 百度地图 或者 excel 表之类的形式将数据 呈现 成 图形 的形式。 可以通过搜集百度 一些资料可以找到百度地图使用的 接口 ， 将程序 导出的数据 放在 excel表中， 再把 其呈现在百度地图中。 也可以直接 将 计算好的数据导入 excel 中并把其方位角等属性通过不同颜色 呈现 出 来。 如果 呈现出来的图像不平滑要将其修改变得平滑。 2 移动网络优化与数据挖掘 2． 1 移动 通信 网络优化 显然 ， 网络优化工作 就是 一个贯穿于网络的发展的始终而且 相对 比较复杂的过程，在我们日常的优化工作过程中，在很多情况 下 ， 我们 都还是仅仅只是依靠话务统计的数据、路测的数据和用户的反映来发现网络 优化中 遇到 的 问题。 我们也 不能够否定移动通信网的日常的维护和网络优化得工作的的确确 也 是要靠一批优秀的 有经验 的优化工程师来完成，但是网络优化工程 师 的数量在 实际 中 毕竟是有限的而且部分的流程已经规范化的优化工作有时候 也 并不一定必须 需 要优化工程师的参与，我们可以借助一些集成化和 智能 化的工具来完成， 从而减少 工程 师的参与，实现智能化 [15]。 网络优化技术 在我国 主要采取的 是 技术措施来实现移动通信网络的优化，通过推动中国移动、中国联通、中国电信三大运营商的技术来提高通信服务的 质量。 我们将此 工作 划分为 三 个 大 的 基础模块， 它们分别 是：无线网优化模块、核心网优化模块和 传输网 优化模块，由于传输网和核心网在 实际中 的 网 元并不多，并且 它的运行 环境 也 是 相对比较稳定 的 ，所以 移动 通信网络优化 的 工作 重心就是无线网优化， 所以 可以将移动通信网络的优化 近似地看 为无线网络的优化。 网络优化主要内容与步骤 河北工业大学 20xx 届本科毕业设计说明书 7 对于 网络的优化主要是对现有的 GSM 网络进行数据采集和分析，并可以通过技术和工程的手段调剂 其 参数、天线、 网络 配置和网络路由，通过 调整 使网络 优化 得到提高，发挥其最大的 作痛 ， 给 企业带来更多的效益，为用户提供更加 优质 的服务。 一般 将 网络 优化最为 一个实际的项目来运作，通常分为三个阶段 加 以实施。 1．收集 数据和熟悉网络阶段 尽可能的 熟悉 网络 是 第一 个阶段的工作重点，在这一阶段中 ， 需要找到问题的所在，给问题整体定位。 从而也可以 更好的 开展 第二个阶段的工作。 在这 一阶段的主要 工作就是 找到需求的所在，与客户进行沟通，了解客户的需求从而为 整个 优化过程找到入手点。 还有就是 把需要的数据导入到所应用的 工具 中，包括基站的信息表，其中必须要 有的 是经纬度，倾角 等等 主要信息。 把这些 信息收集好之后， 导入到 分析 软件 中，来准备进行下一步分析 处理。 还有 一个方面 就是 需要 锁定 TOP10 最差小区。 对于 小区的参数分析 ，需要 提前 对 目前的参数设置的情况进行下了解 ，然后 再要 标出异常的参数设置，与运营商进行沟通。 还要从用户的角度熟练掌握 网络的质量，为下一阶段提高用户的满意程度作好准备。 总而言之 ，第一个阶段的主要目标是 收集 完成基础数据 ，完成摸底的路测，完成参数的审核， 为第二阶段工作埋下伏笔。 2． 调整网络与执行优化阶段 在 调整 移动 网络与执行优化阶段 的问题主要是解决 如下几个方面 ：解决掉话、信号等问题；解决用户投诉的主要问题，有一些 不能 通过 网络优化来解决的问题，做出 详细的设计计划及原因分析 ；提高网络中统计的 KPI 指标。 第二 阶段，需要启用设备新功能 必须 把上述的 问题 解决 好， 而且 根据网络的实际情况 ， 在第二阶段的优化过程中，对 专门的问题有 专题 进行 优化。 形成一个专题优化报告，为以后 解决这个问题的工程留下材料，有据可查。 3． 保持性能和 总结 优化 阶段 在以上两个 阶段中，网络性能会 有显著 的 提高 ，这 种 提高也是有限的，到底可以到达 什么 程度，需要看 网络 的基础。 调整网络与执行优化阶段 的工作已经让网络性能达到它应该有的最好的状态。 保持性能和 总结 优化 则 就是要一直 保持着这种状态，于此同时 也要 进入整个项目执行的总结阶段，第三个 阶段就是对前两个阶段的概括和总结， 使网络优化 性能保持良好。 河北工业大学 20xx 届本科毕业设计说明书 8 2. 2 数据挖掘 技术 数据挖掘 技术 概述 所谓的数据挖掘技术就是根据个人和 企业的需要，从大型的数据库经过提取和分析，从而得到有价值的可以被利用的信息的数据分析技术，我们可以根据得出的数据信息，来指导一些商业的行为或者是可以为一些科学研究提供参考价值。 它的产生是由于近些年来信息化的进程进一步加快，信息处于大爆炸时代，大量的信息需要我们去了解，但是由于这些杂乱的信息导致我们无法准确提取有用信息，它事数据库研究中的一个新领域，可以个各个学科进行结合，所以 也 适用于各个领域。 作为计算机领头军的 IBM 公司就率先开发了一个名叫“智能挖掘机”的应用工具 [16]。 数据挖掘常用 聚类 算法 介绍 1 聚类 算法 聚类分析就是将一些实际的或者是抽象的对象集合在 一起 ，根据每个对象的某些性质是否类似来判断能否将其归为一类的分析过程，这是一种重要的人类分析行为。 此系统所用到的就是最短距离聚类法，根据个体的数据点在几何空间上的距离来判断是否能够归为一类。 例如系统中的最短距离聚类法，开始先将所有的小区按照社区分区算法进行分区，会得到许多分区的小区集合，但是总会有难以判断的小区被孤立出来，还有好多处于边缘的点无法进行分区，这就需要对其通过聚类算法得到应该划分的小区，由于小区都是具体的经纬度，这就需要计算两个点 之间的球面距离，来计算出当前距离当前小区最近的几个小区号，从而实现了聚类算法。 每个基站都有自己经纬度，并且在其跟周围的基站之间的距离中挑出离它最近的 k 个， k可以是 4 等等。 从 k 个距离取第 k个近的或者把 k 个基站之间的距离做个平均，这就是 kdist 距离。 本项目一部分就是要做的就是对 kdist 距离进行聚类。 就是把距离上比较接近，属性比较相近的对象聚在一起，属性就是 kdist 的值，其核心是聚类。 通过对每个基站聚类可以计算出该 基站 距离每个基站的最近的 K个基站的距离，可根据次距离对基站进行聚类分区，从而将一些 具有相同特点的对象归为一个类，而不同类之间的特征差异就会比较大，这样可以通过类别来管理大量的基站信息。 2 复杂网络社区的挖掘 复杂网络社区的挖掘是最近 的 10 年来众多学科交叉的前沿研究热点之一了 ,不河北工业大学 20xx 届本科毕业设计说明书 9 只是 在理论上 有重要意义 ,而且在 应用上 有非常广泛的应用前景。 社区结构这一个概念是由 Newman 于 20xx 年初次提出来的。 所谓“ 社区 ” ，就是 通常 我 们 所说的 “ 分簇 ” ，在一个社区我们可以大致地被描述为一个由部分顶点所构成的子图 ,在描述的这个子图的内部中 ， 各个顶点之间的连接是很 紧密 的 ,但是与这个子图以外的各个顶点的连接却 很松散。 由于许多网络结构都呈现出了这样的社区构造 ,所以对 这一社区结构进行 检测和描述有重要的现实和 发展 意义。 3 改进的 CNM 算法 为了能够 很确切 地 对所 反映得网络结构以及部分重要的性质的加权网络进行社团结构的划分，连续地应用社团构造分级的数据聚类方法，即改进 Newman 贪心算法 （简称 CNM 算法）。 在 这个 CNM 算法中引入了点权和边权的 概念 ，并且又重新定义了新的 Q 函数计算的社区模块度，通过寻找 Q 函的数峰值来确定社团划分的最终的结果。 使用改进的算法之后 ，我们 不难 发现 这个 算法 在划分准确性及算法复杂度等方面都有特别 明显的优势。 针对 现有的对复杂网络挖掘的 认识 的基础上 ，提出来 的这 一 改进的 CNM 算法，与其他 同类 别 的算法相比在分簇的效果上，还有算法的时间复杂 度 上都有非常大的一个 优势。 改进 的 CNM 对在最大的堆中出现的最大的值 ，自动选择 最靠前的位置来进行一系列处理，这个处理方式对分簇 效果 的本身是不是 有 影响为最佳的处理 的 方式将会是来进一步 讨论的 一个问题。 在对 昆明的数据进行处理的过程中应用了这 一改进的 CNM 算法， 提升了 算法的分簇的效率， 分簇 效果也是比较理想 ， 具体的将在 后文中 讲解到这一问题。 数据挖掘在 移动 网络优化中的应用 数据挖掘技术在网络的优化系统中的主要作用体现在统计分析和预测分析的 方面。 预测分析包括话务均衡分析，统计分析中主要包括的是干扰分析、切换分析、覆盖分析、接入分析、掉话分析等等。 按照 GSM 网络的拓扑结构来分的 话 ， GSM 的网络优化方面 的 工作可以分成系统优化与无线优化这两个方面进行 优化 ，无线优化主要针对基站和基站的扇区等各参数设置等，而系统优化则针对 MSC 及以上的部分。 河北工业大学 20xx 届本科毕业设计说明书 10 3 网络 优化 应用 案例与 分析 数据挖掘在网络优化中的案例研究 我们 首先 以惠州地区 的 数据 为例， 首先根根据 给定的数据 库 PCIOptimize_hz 中的表 中 原始数据 ，其 部分数据 图 如下 图 31 原始 数据 库 中的 部分 数据 图，图中已经 用箭头 标出 所在数据库和数据所在的表及应用的字段，其中的 数据 量很大，但是对我们的研究 有用 的 字段的 是基站编号和。