無(wú)線泛在環(huán)境下用戶行為預(yù)測(cè)與優(yōu)化技術(shù)研究.pdf

1、在未來(lái)無(wú)線泛在環(huán)境下，以用戶為中心且以應(yīng)用為驅(qū)動(dòng)已成為網(wǎng)絡(luò)演進(jìn)的必然趨勢(shì)。這就需要通過(guò)對(duì)用戶行為規(guī)律的分析與挖掘，以提前預(yù)知用戶的業(yè)務(wù)需求，進(jìn)而推薦并配置最為匹配的網(wǎng)絡(luò)資源，以保障并優(yōu)化每個(gè)用戶的業(yè)務(wù)體驗(yàn)。因此，用戶行為的預(yù)測(cè)與優(yōu)化技術(shù)應(yīng)運(yùn)而生，并迅速成為了研究熱點(diǎn)。故本論文圍繞無(wú)線泛在環(huán)境下用戶行為預(yù)測(cè)與優(yōu)化技術(shù)展開(kāi)研究，主要工作如下：
　　一、概述了無(wú)線泛在環(huán)境的相關(guān)內(nèi)容，并分別介紹了用戶行為預(yù)測(cè)和優(yōu)化技術(shù)的研究現(xiàn)狀；接著，設(shè)

2、計(jì)了用戶行為預(yù)測(cè)與優(yōu)化系統(tǒng)，給出了功能模塊的描述和實(shí)際開(kāi)發(fā)的考量。
　　二、提出一種基于可變階Markov模型的用戶行為預(yù)測(cè)算法。首先，采用基于用戶相似度的模糊聚類算法，以實(shí)現(xiàn)用戶分群；進(jìn)而，采用基于概率后綴樹的可變階 Markov模型對(duì)用戶業(yè)務(wù)行為進(jìn)行預(yù)測(cè)，并建立融合預(yù)測(cè)模型，以融合同一群集用戶的預(yù)測(cè)結(jié)果，從而提高算法的預(yù)測(cè)精度。仿真結(jié)果驗(yàn)證了該算法的有效性。
　　三、提出一種基于加權(quán)Markov模型的用戶行為預(yù)測(cè)算法。首

3、先，提出基于信息熵的最佳階數(shù)選取算法，確定Markov預(yù)測(cè)模型的最佳階數(shù)；進(jìn)而，提出一種改進(jìn)的加權(quán)Markov預(yù)測(cè)模型，并采用基于反饋的自適應(yīng)權(quán)值修正方法，以實(shí)現(xiàn)對(duì)用戶下一時(shí)刻業(yè)務(wù)狀態(tài)的準(zhǔn)確預(yù)測(cè)。仿真結(jié)果驗(yàn)證了該算法的有效性。
　　四、提出一種面向單用戶-多終端場(chǎng)景的用戶行為優(yōu)化算法。首先，針對(duì)單用戶-多終端場(chǎng)景，建立基于協(xié)同技術(shù)的多終端業(yè)務(wù)信息匯聚機(jī)制，以形成完整的業(yè)務(wù)狀態(tài)歷史信息樹，從而實(shí)現(xiàn)業(yè)務(wù)狀態(tài)的準(zhǔn)確預(yù)測(cè)；進(jìn)而，根據(jù)業(yè)務(wù)狀