[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

摘要

基于支持向量机的无线异构网络移动用户位置预测方法，涉及无线异构网络领域，它是为了适应无线异构网络移动用户位置预测的需求。本发明提出一种基于支持向量机(SVM)的异构网络环境中移动用户的位置预测方法，来解决异构网络环境中移动用户的位置预测问题。本发明提出目标区域的概念，根据用户所在位置不同，自适应的调整位置预测方法。根据用户所在区域不同，应用不同的位置预测方法，这样既能够保证预测精度，又能够在一定程度上降低整体方法复杂度，减少预测开销，节省资源。本发明适用于无线异构网络移动用户位置预测。

主权项

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)，…，(ln,cn)；其中，li是第i个用户的位置坐标向量，且li=(xi,yi)；ci是下一时刻观测到的用户所在的目标区域类别，ci∈(TR1,…,TR6)；i=1、2、…、n；步骤四、对步骤三获得的各个位置样本li进行归一化处理，将各个位置样本li归一化到区间[‑1,+1]，即：lip∈{+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，ci'∈{+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(li',l'j)如下： K ( l i ′ , l j ′ ) = exp { - | | l i ′ - l j ′ | | 2 σ 2 } 其中li'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： max mize W ( α ) = Σ i = 1 m α i - 1 2 Σ i = 1 , j = 1 m α i α j c i ′ c j ′ K ( l i ′ , l j ′ ) s . t . 0 ≤ α i ≤ C Σ i = 1 m α i c i ′ = 0 i = 1,2 , . . . , m 其中αi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 * = Σ i = 1 m α i * c i ′ l i ′ 根据原始约束条件公式： b * = 1 2 [ max c i ′ = - 1 ( < ω * · l i ′ > ) + min c i ′ = + 1 ( < ω * · l i ′ > ) ] 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 ( Σ i = 1 m α i * c i ′ K ( l i ′ , 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。