[发明专利]基于支持向量机的无线异构网络移动用户位置预测方法

权利要求书

1.基于支持向量机的无线异构网络移动用户位置预测方法，其特征是：它由以下步骤实现：

步骤一、搭建异构网络拓扑结构，具体为：

在一个六边形3G子网络内，搭建5个互相不重叠的WLAN子网络；

步骤二、定义预测网络模型；

在各个WLAN在网络外侧分别划定半径为R的环形区域；且有：

R-r=Tc*V

其中：Tc是观察时隙，即：每隔Tc时间观察一次用户位置，并进行一次预测；V是用户运动的最大速度；r是每个WLAN子网络半径；

设定5个WLAN子网络区域及其与所在的半径为R的环形区域之间的区域为目标区域；5个WLAN子网络区域分别设定为TR1区域至TR5区域，5个WLAN子网络区域与其所在的半径为R的环形区域之间由3G单独覆盖，设定为TR6区域；

步骤三、对无线异构网络移动用户的位置样本进行采集，具体为：

选取n个样本(l₁,c₁)，…，(l_n,c_n)；

其中，l_i是第i个用户的位置坐标向量，且l_i=(x_i,y_i)；c_i是下一时刻观测到的用户所在的目标区域类别，c_i∈(TR1,…,TR6)；i=1、2、…、n；

步骤四、对步骤三获得的各个位置样本l_i进行归一化处理，将各个位置样本l_i归一化到区间[-1,+1]，即：l_ip∈{+1,-1}；

步骤五、将归一化处理之后n个样本数据集扩展为m=6*n的扩展样本集(l₁',c₁')，…，(l'_m,c'_m)；此时，c_i'∈{+1,-1}；m为正整数；

步骤六、对预测分类函数进行训练，具体为：

选定核函数K(l_i',l'_j)如下：

K(li′,lj′)=exp{-||li′-lj′||2σ2}]]>

其中l_i'和l'_j是步骤五中扩展之后的样本；σ是函数的宽度参数；代入lagrange公式：

maxmizeW(α)=Σi=1mαi-12Σi=1,j=1mαiαjci′cj′K(li′,lj′)s.t.0≤αi≤CΣi=1mαici′=0i=1,2,...,m]]>

其中α_i是lagrange系数，为待求量；C是惩罚因子；

解上述公式得到最优α^*；

则最优权重ω^*为：

ω*=Σi=1mαi*ci′li′]]>

根据原始约束条件公式：

b*=12[maxci′=-1(<ω*·li′>)+minci′=+1(<ω*·li′>)]]]>

获得最优偏置b^*；

则最终的位置预测器模型表达式如下：

D(l′)=sigh(Σi=1mαi*ci′K(li′,l′)+b*)]]>

步骤七、将无线异构网络移动用户的数据输入步骤五获得的位置预测器模型，获得无线异构网络移动用户的位置预测结果，完成基于支持向量机的无线异构网络移动用户位置预测。