《表2 最终聚类结果：基于LightGBM算法的MR网络信号预测》
提示：宽带有限、当前游客访问压缩模式
子栅格信息具体字段信息如表2所示，其中字段rsrp能够用于判断是否需要调整小区的天线天馈角以及确定小区各位置的信号强度。
| 图表编号 | XD00212645600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.15 |
| 作者 | 张硕伟、裴明丽、高有利、黄铭、刘贤松 |
| 绘制单位 | 中国联通网络AI中心、科大国创软件股份有限公司、中国联通网络AI中心、中国联通网络AI中心、中国联通网络AI中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 耦合协调度分析：基于LightGBM算法的MR网络信号预测》2020.10.15
- 《表3 证据描述及汇总：基于LightGBM算法的MR网络信号预测》2020.10.15
- 《表3 预测网络参数表：基于聚类和奇异值分解的协同过滤推荐算法》2020.12.31
- 《表3 网络参数性质：一种基于密度峰值聚类的链路预测算法》2020.05.01
- 《表1 编码特征转化：基于无监督聚类算法的通信网络安全态势预测方法》2020.06.25
- 《表2 训练集的分配：基于LightGBM算法的网络战仿真与效能评估》2020.07.10
- 《表1 节点重要程度：基于LightGBM算法的网络战仿真与效能评估》2020.07.10
- 《表2 最终聚类结果：基于K-Means和Logistic的寿险客户流失预测模型研究》2020.09.15
- 《表3 相对偏差计算：基于模糊聚类分类与Elman神经网络算法的居民用户短期用电量预测及修正方法》2020.03.10
- 《表5 修正前后误差对比：基于模糊聚类分类与Elman神经网络算法的居民用户短期用电量预测及修正方法》2020.03.10
- 《表2 训练集的结果展示：基于LightGBM的住房租金预测分析》2020.03.15
- 《表5 模型结果对比：基于LightGBM的住房租金预测分析》2020.03.15
- 《表6 最终聚类中心：基于因子分析和聚类分析的学生网络学习行为研究》2019.09.25
- 《表2 最终聚类中心：基于蒙特卡洛k-means聚类算法的舰船器材分类研究》2020.04.25
- 《表2 聚类结果：基于聚类与贝叶斯网络的航班离港延误预测模型》2020.02.01
- 《表6 算法的参数设置：基于粗糙集-模糊C均值聚类的Elman神经网络农村需水量预测》2020.01.08
- 《表2 用户业务信息：一种基于LightGBM机器学习算法的用户年龄及性别预测方法》2019.09.20
- 《表1 用户基本属性：一种基于LightGBM机器学习算法的用户年龄及性别预测方法》2019.09.20
- 《表1 信号聚类识别结果：基于密度的聚类算法在短波AM信号识别中的应用研究》2019.08.26
- 《表2 信号聚类识别结果：基于密度的聚类算法在短波AM信号识别中的应用研究》2019.08.26