一种基于接入用户数变化预测的超密集网络资源分配方法

摘要

本发明提出了一种基于接入用户数变化预测的超密集网络资源分配方法，首先通过半监督分类识别典型“潮汐”模式；然后预测基站接入用户数的变化，将随机森林特征的袋外误差作为衡量特征重要性的指标对输入的特征进行排序筛选，得到的特征进行支持向量机回归预测；最后按比例动态调节小站的资源，实现小站之间的资源迁移。本发明基于半监督分类为支持向量机回归SVR(Support Vector Regression)的预测提供了人数变化的历史规律信息，同时得益于随机森林的特征选择，在不降低准确性的情况下降低了SVR预测的计算复杂度。本发明根据预测的用户数，实现动态调整基站资源，提高用户公平度以及平均吞吐量。