电视技术
電視技術
전시기술
TV ENGINEERING
2014年
5期
105-108
,共4页
认知无线电%频谱预测%K-均值聚类%RBF神经网络
認知無線電%頻譜預測%K-均值聚類%RBF神經網絡
인지무선전%빈보예측%K-균치취류%RBF신경망락
cognitive radio%spectrum prediction%K-means clustering%RBF neural network
提出使用K-均值聚类算法的RBF神经网络(K-RBF)来进行频谱预测.该模型根据历史信息预测频谱空穴的位置,从而选出合适的频谱供次用户选择,减少频谱预测过程的盲目性和频谱感知过程中的资源消耗.仿真结果表明,该方法可以获得很好的预测精度,其预测误差只有RBF神经网络的1/3.
提齣使用K-均值聚類算法的RBF神經網絡(K-RBF)來進行頻譜預測.該模型根據歷史信息預測頻譜空穴的位置,從而選齣閤適的頻譜供次用戶選擇,減少頻譜預測過程的盲目性和頻譜感知過程中的資源消耗.倣真結果錶明,該方法可以穫得很好的預測精度,其預測誤差隻有RBF神經網絡的1/3.
제출사용K-균치취류산법적RBF신경망락(K-RBF)래진행빈보예측.해모형근거역사신식예측빈보공혈적위치,종이선출합괄적빈보공차용호선택,감소빈보예측과정적맹목성화빈보감지과정중적자원소모.방진결과표명,해방법가이획득흔호적예측정도,기예측오차지유RBF신경망락적1/3.