典型文献
基于深度学习的通信网络数据关键特征挖掘
文献摘要：
深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法.选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果.经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95％以上,能够准确预测未来短时间段内的通信网络质量.
文献关键词：
深度学习;通信网络数据;特征挖掘;神经网络;标签数据;量子粒子群
中图分类号：
作者姓名：
沈毅波
作者机构：
漳州职业技术学院 福建漳州 363000
文献出处：
引用格式：
[1]沈毅波-.基于深度学习的通信网络数据关键特征挖掘)[J].龙岩学院学报,2022(02):14-19,128
A类：
B类：
通信网络数据,关键特征,特征挖掘,数据特征,挖掘方法,可用性,七个,网络质量,径向基神经网络,深度学习网络,深度网络,标签数据,输入层,出层,层位,量子粒子群算法,最优参数,准确预测,预测未来
AB值：
0.183148
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
