长期演进系统中,分组调度是有效地使用下行链路资源和保证服务质量性能的关键技术之一。根据队列中数据业务分组到达的数量与队列中分组离开的数量,提出了一种基于队列中分组状态的优化最大权值时延优先(modified largest weighted dela...
详细信息
长期演进系统中,分组调度是有效地使用下行链路资源和保证服务质量性能的关键技术之一。根据队列中数据业务分组到达的数量与队列中分组离开的数量,提出了一种基于队列中分组状态的优化最大权值时延优先(modified largest weighted delay first,M-LWDF)算法,所提出的方法综合考虑了分组时延距离最大时延的剩余量与其同一时刻不同用户的平均值的关系。结果表明,优化的调度方案在吞吐量和丢包率方面相对于最大权值时延优先调度算法均有10%以上的提升。
数据挖掘中如何根据数据之间的相似度确定簇(Cluster)数一直是聚类算法中需要解决的难题。文中在经典谱聚(Spectral Clustering)算法的基础上提出了一种基于特征间隙检测簇数的谱聚类算法(Spectral Clustering with Identifying Cluster...
详细信息
数据挖掘中如何根据数据之间的相似度确定簇(Cluster)数一直是聚类算法中需要解决的难题。文中在经典谱聚(Spectral Clustering)算法的基础上提出了一种基于特征间隙检测簇数的谱聚类算法(Spectral Clustering with Identifying Clustering Number based on Eigengap,SC-ICNE)。通过构建规范的拉普拉斯矩阵,顺序求解其特征值和相应特征向量,并得到矩阵相邻特征值的间隙,通过判断特征间隙的位置来确定簇数k。最后,通过对前k个特征向量的k-means算法实现数据集的聚类。文中通过仿真分析了高斯相似度函数对SC-ICNE聚类性能的影响,在非凸球形数据集和UCI数据集上进行了性能仿真,并和k-means聚类算法进行了对比,在检测簇数和聚类准确性方面,验证了SC-ICNE算法的有效性。
暂无评论