典型文献
基于单一维度干扰数据的无监督混合聚类研究
文献摘要：
面向5G时代干扰小区的分类需求,提出了一种基于变分自编码器的无监督混合聚类模型.该方法考虑了 2.6Ghz干扰数据的先验特征,利用残差算法将变分自编码器和传统聚类函数的损失函数结合;通过改变超参数大小,影响隐变量分布,从而模拟样本概率模型.在模型构建上,考虑了不同的传统聚类方法对样本聚类影响;在训练策略方面,为防止出现车轮效应,本文对干扰数据进行剪枝处理.实验结果表明,设计的聚类模型能有效地分辨出LTE同频干扰、干扰器干扰、MMDS干扰、视频监控干扰和伪基站干扰,其中前两种干扰数量最多,分别占到了 5GPRB干扰小区的28.4％和23.7％.同时,与同类型传统的AE和VAE模型相比,该模型能够分析出的干扰数据量均高于其他两种方法.在未知新干扰分区中,当簇类数目为3时,CH指标和轮廓系数指标最大,分别达到了顶峰740和0.56,DB指数也取得了局部最优解.该模型在5G干扰识别分类中具有良好的应用前景.据作者所知,本文代表了无监督聚类学习在5G类别干扰识别中的首次实践.
文献关键词：
5G;VAE;PRB;干扰识别
中图分类号：
作者姓名：
易佩迪;吴兴耀;陈燕雷;巩雪;赵文娟
作者机构：
中国移动设计院网研中心
文献出处：
引用格式：
[1]易佩迪;吴兴耀;陈燕雷;巩雪;赵文娟-.基于单一维度干扰数据的无监督混合聚类研究)[J].中国新通信,2022(22):104-108
A类：
6Ghz,MMDS,5GPRB
B类：
干扰数据,混合聚类,聚类研究,变分自编码器,聚类模型,法考,先验,损失函数,超参数,隐变量,模拟样本,概率模型,聚类方法,训练策略,防止出现,车轮,剪枝,辨出,LTE,同频干扰,干扰器,视频监控,伪基站,占到,VAE,数据量,CH,轮廓系数,顶峰,DB,局部最优解,干扰识别,识别分类,所知,无监督聚类
AB值：
0.393947
相似文献
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。
