文档名：面向5G干扰数据的半监督聚类研究
提出了一种基于生成对抗网络(GAN)的半监督方法,以满足5G时代不平衡干扰数据的分类需求.该方法考虑到不平衡样本的误分代价,在prb数据集上增加敏感代价值,实现了正负样本的抽取概率平衡.在模型构建上,网络层数的选择权衡网络复杂度和输出性能的关系,以达到最佳的性能配比.在训练策略中,采用迭代算法.实验研究表明,该方法在干扰数据的分类问题上可以达到97.4％的准确率.同时,该模型能自适应的分类出5G干扰中的新类型,归一化互信息NMI和兰德指数均在0.9以上,在5G干扰分类中有良好的应用前景.据作者所知,本文代表了半监督学习在5G干扰识别分类中的首次应用.
作者：殷旭 易佩迪 马冠南 陈燕雷 陈志伟 巩雪 吴兴耀 李涛
作者单位：中国移动通信集团网络事业部,北京100032中国移动通信集团公司设计院网研中心,北京100080中国移动通信集团云南有限公司,云南昆明650228
母体文献：2021年5G网络创新研讨会论文集
会议名称：2021年5G网络创新研讨会
会议时间：2021年9月1日
会议地点：北京
主办单位：TD产业联盟,移动通信杂志社
语种：chi
分类号：TP2TP3
关键词：移动通信 干扰数据 聚类算法 半监督学习 生成对抗网络
在线出版日期：2022年5月27日
基金项目：
相似文献
相关博文
- 文件大小:
- 3.35 MB
- 下载次数:
- 60
-
高速下载
|
|
