基于通信信号行为的时间序列分析算法综述  

作　　者：赵旭 刘崇阳 褚衍杰 魏强 

机构地区：[1]不详

出　　处：《电信技术研究》2022年第2期9-16,共8页Research on telecommunication technology

摘　　要：时间序列分析是机器学习中一项重要的任务,具有广泛的应用场景,包括电力负载、交通流量和股市指数等,但对非合作通信信号行为等高维时序数据的分析研究较少。分析非合作通信信号时序数据的难点在于信号行为的多变性、数据的间断性和重点目标的不明确性等问题,自回归模型和动态线性模型重点关注于低维数据的处理,在处理类似于非合作通信信号等高纬数据时存在明显缺陷,所以本文将重点结合矩阵分解模型和深度学习模型,为探究如何实现对非合作通信信号行为的时序数据分析提供了参考。

关 键 词：时间序列分析 深度学习 矩阵分解 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]