?

Details
Table Card RUSMARC
Title: Методы анализа больших данных для оценки перспектив развития сетей связи пятого поколения: выпускная квалификационная работа бакалавра: направление 09.03.02 Информационные системы и технологии ; образовательная программа 09.03.02_02 Информационные системы и технологии
Creators: Земба Мария Анатольевна
Scientific adviser: Логинова Александра Викторовна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2019
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: набор данных; анализ данных; большие данные; визуализация; кластеризация; методы машинного обучения; сети связи пятого поколения; прогнозирование; data set; data analysis; big data; visualization; clustering; machine learning methods; fifth generation communication networks; forecasting
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 09.03.02
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-5252
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\5789

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе представлены методы обработки и анализа больших данных. Объектом исследования являются большие данные мобильных операторов. Целью работы ставится исследование возможностей применения больших данных для развития современных мобильных сотовых сетей и выполнения телекоммуникационными компаниями требований к сетям пятого поколения. Также была выполнена визуализация результатов проведенного анализа. В процессе работы был использован язык программирования R, а также свободное ПО RStudio.

This report presents the methods of processing and analysis of big data. The object of the study is the big data of mobile operators. The aim of the work is to study the possibilities of using big data for the development of modern mobile cellular networks and the implementation of the requirements of telecommunications companies to the networks of the fifth generation. The results of the analysis were also visualized. In the process, the R programming language was used, as well as free software R Studio.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users SPbPU Read Print Download
-> Internet Anonymous

Table of Contents

  • Введение
  • Глава 1. Теоретические аспекты технологий 5G и Big Data
    • 1.1 Развитие поколений мобильных сетей
    • 1.2 Сущность больших данных
    • 1.3 Связь между 5G и большими данными
    • 1.4 Оптимизационная модель сетей
    • 1.5 Большие данные мобильной сети
    • 1.6 Источники данных мобильной сети
      • 1.6.1 Данные абонентского уровня
      • 1.6.2 Данные на уровне ячеек
      • 1.6.3 Данные на уровне основной сети
      • 1.6.4 Дополнительные источники данных
  • Глава 2. Методологическая база исследования
    • 2.1 Кластеризация
      • 2.1.1 Сущность метода кластеризации
      • 2.1.2 Алгоритм k-средних (k-means)
    • 2.2 Визуализация данных
    • 2.3 Метод прогнозирования
      • 2.3.1 Интегрированная модель авторегрессии
      • 2.3.2 Метод долгой краткосрочной памяти
  • Глава 3. Анализ данных
    • 3.1 Получение данных для анализа
    • 3.2 Анализ с использованием метода кластеризации
      • 3.2.1 Предварительная обработка данных
      • 3.2.2 Интерпретация результатов кластеризации
    • 3.3 Анализ с использованием разведочного анализа данных
      • 3.3.1 Сущность анализа
      • 3.3.2 Интерпретация результатов РАД
    • 3.4 Анализ с помощью методов прогнозирования
      • 3.4.1 Авторегрессионная модель ARIMA
      • 3.4.2 Метод долгой краткосрочной памяти LSTM
      • 3.4.3 Интерпретация результатов прогнозирования
  • Заключение
  • Список использованной литературы

Usage statistics

stat Access count: 20
Last 30 days: 1
Detailed usage statistics