10.16337/j.1004-9037.2015.04.001
面向频谱大数据处理的机器学习方法
随着移动互联网与物联网的迅猛发展,个人无线设备的数量呈现指数级增长,随之产生的海量频谱数据与日俱增,频谱大数据的存在已成事实。同时,频谱赤字也日益严峻。为提高频谱利用率,有效的频谱大数据处理显得十分重要。本文从无线通信的角度,首先给出了频谱大数据的定义并分析了它的基本特征;然后总结了一些对于频谱大数据分析与利用颇具前景的机器学习方法,如分布式和并行式学习、极速学习、核学习、深度学习、强化学习、博弈学习和迁移学习;最后给出了几个开放性话题和研究趋势。
大数据、频谱大数据、机器学习、数据挖掘、无线通信、物联网
TP181(自动化基础理论)
国家自然科学基金61301160,61172062资助项目。
2015-09-14(万方平台首次上网日期,不代表论文的发表时间)
共11页
703-713