本發(fā)明涉及通信領(lǐng)域，特別涉及一種無線通訊系統(tǒng)用戶優(yōu)先級的判別方法及裝置。

背景技術(shù)：

隨著移動通信技術(shù)的發(fā)展，移動通信業(yè)務(wù)種類越來越多，對通訊資源的需求也迅速增長，然而當前可用的無線通訊資源有限，在多用戶多業(yè)務(wù)的條件下如何合理調(diào)配資源，提高無線資源的利用效率，是目前移動通信領(lǐng)域研究的熱點和難點，而在無線資源調(diào)度過程中的一個關(guān)鍵問題就是確定用戶優(yōu)先級。

用戶優(yōu)先級別的確定是一個多目標求解的問題，需要同時綜合考慮用戶使用資源的公平性、無線資源使用效率、系統(tǒng)吞吐量、服務(wù)質(zhì)量等多個目標的約束。目前對用戶優(yōu)先級的判別方法，或只考慮技術(shù)上的需求，或只考慮業(yè)務(wù)上的需求，沒有全面考慮用戶優(yōu)先級別的影響因素，導(dǎo)致用戶優(yōu)先級的確定具有片面性。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種無線通訊系統(tǒng)用戶優(yōu)先級的判別方法及裝置，其目的是為了解決動態(tài)資源分配過程中用戶優(yōu)先級別判別的問題。

為了達到上述目的，本發(fā)明的實施例提供了一種無線通訊系統(tǒng)用戶優(yōu)先級的判別方法，包括：

獲取無線通訊系統(tǒng)數(shù)據(jù)庫中影響用戶優(yōu)先級的多個指標數(shù)據(jù)，構(gòu)成第一級指標數(shù)據(jù)集；

對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行分析處理，構(gòu)成第二級指標數(shù)據(jù)集；

根據(jù)所述第二級指標數(shù)據(jù)集，判別用戶的優(yōu)先級別。

其中，所述影響用戶優(yōu)先級的多個指標數(shù)據(jù)包括：信道質(zhì)量指示、用戶最大傳輸速率、用戶歷史平均傳輸速率、用戶丟包率、用戶時延、用戶要求的傳輸速率、服務(wù)質(zhì)量參數(shù)標識、系統(tǒng)可分配資源總量、系統(tǒng)歷史平均吞吐量、用戶計費總額、用戶當前業(yè)務(wù)類型、用戶當前時刻所需的資源量和/或當前業(yè)務(wù)完成進度。

其中，所述對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行分析處理，構(gòu)成第二級指標數(shù)據(jù)集的具體步驟：

對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行歸一化處理，使多個所述指標數(shù)據(jù)保持統(tǒng)一量綱；

計算所述第一指標數(shù)據(jù)集中進行歸一化處理后的每一指標數(shù)據(jù)與用戶優(yōu)先級的相關(guān)關(guān)系顯著性水平，提取與用戶優(yōu)先級的相關(guān)關(guān)系顯著性水平小于預(yù)設(shè)數(shù)值的指標數(shù)據(jù)，建立第一初步篩選指標數(shù)據(jù)集；

對所述第一初步篩選指標數(shù)據(jù)集中的多個指標數(shù)據(jù)進行因子分析，篩除多個指標數(shù)據(jù)之間達到預(yù)定條件、除第一指標數(shù)據(jù)外的其他指標數(shù)據(jù)，建立第二初步篩選指標數(shù)據(jù)集；

對所述第二初步篩選指標數(shù)據(jù)集中的多個指標數(shù)據(jù)進行離散化處理，得到所述第二級指示數(shù)據(jù)集。

其中，所述對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行歸一化處理，得到第一指標數(shù)據(jù)集的具體步驟包括：

通過公式對所述第一級指標數(shù)據(jù)集中的每一指標數(shù)據(jù)進行歸一化處理；

其中，v′ij為進行歸一化處理后的指標數(shù)據(jù)，vij為需處理的第i指標數(shù)據(jù)，為需處理的第i個指標數(shù)據(jù)的均值，σi為需處理的第i個指標數(shù)據(jù)的標準差。

其中，所述根據(jù)所述第二級指標數(shù)據(jù)集，判別用戶的優(yōu)先級別的具體步驟：

根據(jù)所述第二級指標數(shù)據(jù)集，將用戶優(yōu)先級別按優(yōu)先級由高到低進行分類；

估算出每類用戶優(yōu)先級別出現(xiàn)的概率；

根據(jù)所述每類用戶優(yōu)先級別出現(xiàn)的概率判斷出用戶的優(yōu)先級別。

其中，所述估算出每類用戶優(yōu)先級別出現(xiàn)的概率的具體步驟包括：

通過公式計算出每類用戶優(yōu)先級別出現(xiàn)的概率；

其中，p(upi)為用戶優(yōu)先級別出現(xiàn)的概率；p(x)為給定事件x的概率；p(upi|x)為優(yōu)先級別為upi的條件下給定事件x的概率。

其中，所述根據(jù)所述每類用戶優(yōu)先級別出現(xiàn)的概率判斷出用戶的優(yōu)先級別的步驟為：

根據(jù)所述每類用戶優(yōu)先級別出現(xiàn)的概率，選擇概率值最大的為用戶的優(yōu)先級別。

本發(fā)明的實施例還提供了一種無線通訊系統(tǒng)用戶優(yōu)先級的判別裝置，包括：

獲取模塊，用于獲取無線通訊系統(tǒng)數(shù)據(jù)庫中影響用戶優(yōu)先級的多個指標數(shù)據(jù)，構(gòu)成第一級指標數(shù)據(jù)集；

分析處理模塊，用于對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行分析處理，構(gòu)成第二級指標數(shù)據(jù)集；

分析判別模塊，用于根據(jù)所述第二級指標數(shù)據(jù)集，判別用戶的優(yōu)先級別。

其中，所述分析處理模塊包括：

第一處理模塊，用于對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行歸一化處理，使多個所述指標數(shù)據(jù)保持統(tǒng)一量綱；

第一計算模塊，用于計算所述第一指標數(shù)據(jù)集中進行歸一化處理后的每一指標數(shù)據(jù)與用戶優(yōu)先級的相關(guān)關(guān)系顯著性水平，提取與用戶優(yōu)先級的相關(guān)關(guān)系顯著性水平小于預(yù)設(shè)數(shù)值的指標數(shù)據(jù)，建立第一初步篩選指標數(shù)據(jù)集；

分析模塊，用于對所述第一初步篩選指標數(shù)據(jù)集中的多個指標數(shù)據(jù)進行因子分析，篩除多個指標數(shù)據(jù)之間達到預(yù)定條件、除第一指標數(shù)據(jù)外的其他指標數(shù)據(jù)，建立第二初步篩選指標數(shù)據(jù)集；

第二處理模塊，用于對所述第二初步篩選指標數(shù)據(jù)集中的多個指標數(shù)據(jù)進行離散化處理，得到所述第二級指示數(shù)據(jù)集。

其中，所述分析判別模塊包括：

分類模塊，用于根據(jù)所述第二級指標數(shù)據(jù)集，將用戶優(yōu)先級別按優(yōu)先級由高到低進行分類；

估算模塊，用于估算出每類用戶優(yōu)先級別出現(xiàn)的概率；

判定模塊，用于根據(jù)所述每類用戶優(yōu)先級別出現(xiàn)的概率判斷出用戶的優(yōu)先級別。

本發(fā)明的上述方案的有益效果如下：

本發(fā)明所提供的無線通訊系統(tǒng)用戶優(yōu)先級的判別方法及裝置以海量移動通信領(lǐng)域數(shù)據(jù)為基礎(chǔ)，以數(shù)據(jù)挖掘技術(shù)為手段，充分發(fā)揮海量數(shù)據(jù)的優(yōu)勢，綜合考慮多方面的影響因素，合理確定用戶優(yōu)先級，以實現(xiàn)提高無線資源的使用效率和系統(tǒng)吞吐量的目的。

附圖說明

圖1為本發(fā)明所述方法的流程示意圖；

圖2為本發(fā)明所述方法的第二步驟的具體步驟的流程示意圖；

圖3為本發(fā)明所述方法的第三步驟的具體步驟的流程示意圖；

圖4為本發(fā)明所述裝置的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖及具體實施例進行詳細描述。

本發(fā)明針對現(xiàn)有的問題，提供了一種無線通訊系統(tǒng)用戶優(yōu)先級的判別方法及裝置。

如圖1所示，本發(fā)明的實施例提供了一種無線通訊系統(tǒng)用戶優(yōu)先級的判別方法，包括：

步驟1，獲取無線通訊系統(tǒng)數(shù)據(jù)庫中影響用戶優(yōu)先級的多個指標數(shù)據(jù)，構(gòu)成第一級指標數(shù)據(jù)集；

步驟2，對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行分析處理，構(gòu)成第二級指標數(shù)據(jù)集；

步驟3，根據(jù)所述第二級指標數(shù)據(jù)集，判別用戶的優(yōu)先級別。

本發(fā)明的上述實施例所述的方法首先從技術(shù)和業(yè)務(wù)兩方面選擇可能影響用戶優(yōu)先級的指標數(shù)據(jù)，確定后續(xù)工作的對象；然后對所述指標數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，為后續(xù)工作提供完整、可靠的數(shù)據(jù)資源；最后利用樸素貝葉斯分類算 法實現(xiàn)用戶優(yōu)先級的判別，目的在于以海量移動通信領(lǐng)域數(shù)據(jù)為基礎(chǔ)，以數(shù)據(jù)挖掘技術(shù)為手段，充分發(fā)揮海量數(shù)據(jù)的優(yōu)勢，綜合考慮多方面的影響因素，合理確定用戶優(yōu)先級，以實現(xiàn)提高無線資源的使用效率和系統(tǒng)吞吐量的目的。

其中，所述影響用戶優(yōu)先級的多個指標數(shù)據(jù)包括：信道質(zhì)量指示、用戶最大傳輸速率、用戶歷史平均傳輸速率、用戶丟包率、用戶時延、用戶要求的傳輸速率、服務(wù)質(zhì)量參數(shù)標識、系統(tǒng)可分配資源總量、系統(tǒng)歷史平均吞吐量、用戶計費總額、用戶當前業(yè)務(wù)類型、用戶當前時刻所需的資源量和/或當前業(yè)務(wù)完成進度。

如圖2所示，所述對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行分析處理，構(gòu)成第二級指標數(shù)據(jù)集的具體步驟：

步驟21，對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行歸一化處理，使多個所述指標數(shù)據(jù)保持統(tǒng)一量綱；

步驟22，計算所述第一指標數(shù)據(jù)集中進行歸一化處理后的每一指標數(shù)據(jù)與用戶優(yōu)先級的相關(guān)關(guān)系顯著性水平，提取與用戶優(yōu)先級的相關(guān)關(guān)系顯著性水平小于預(yù)設(shè)數(shù)值的指標數(shù)據(jù)，建立第一初步篩選指標數(shù)據(jù)集；

步驟23，對所述第一初步篩選指標數(shù)據(jù)集中的多個指標數(shù)據(jù)進行因子分析，篩除多個指標數(shù)據(jù)之間達到預(yù)定條件、除第一指標數(shù)據(jù)外的其他指標數(shù)據(jù)，建立第二初步篩選指標數(shù)據(jù)集；

步驟24，對所述第二初步篩選指標數(shù)據(jù)集中的多個指標數(shù)據(jù)進行離散化處理，得到所述第二級指示數(shù)據(jù)集。

本發(fā)明的上述實施例所述的方法為后續(xù)工作提供完整、可靠的數(shù)據(jù)資源，該部分除了常規(guī)的數(shù)據(jù)處理，如數(shù)據(jù)清洗、裝載、轉(zhuǎn)換之外，還應(yīng)包括數(shù)據(jù)規(guī)范化處理，將所有指標數(shù)據(jù)統(tǒng)一到相同的量綱；相關(guān)分析，挑選出與用戶優(yōu)先級具有顯著相關(guān)關(guān)系的指標數(shù)據(jù)；線性降維，用更少的、互不相關(guān)的指標數(shù)據(jù)代替原來的多個指標數(shù)據(jù)；聚類分析，將降維后得到的因子的取值離散化處理得到第二級指示數(shù)據(jù)集。

其中，所述對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行歸一化處理，得到第一指標數(shù)據(jù)集的具體步驟包括：

通過公式對所述第一級指標數(shù)據(jù)集中的每一指標數(shù)據(jù)進行歸一化處理；

其中，v′ij為進行歸一化處理后的指標數(shù)據(jù)，vij為需處理的第i指標數(shù)據(jù)，為需處理的第i個指標數(shù)據(jù)的均值，σi為需處理的第i個指標數(shù)據(jù)的標準差。

本發(fā)明的上述實施例所述方法的具體實施例為利用相關(guān)分析方法(如pearson相關(guān)分析)分析每一指標數(shù)據(jù)與用戶優(yōu)先級(用up表示)的相關(guān)關(guān)系，挑選出與up具有顯著相關(guān)關(guān)系的指標數(shù)據(jù)，計算相關(guān)關(guān)系顯著性水平，分別用pi表示(其中i＝1,2,…,n)；若pi<0.05，說明該指標與up之間具有顯著的相關(guān)關(guān)系，則保留該指標數(shù)據(jù)；否則說明該指標與up之間沒有顯著的相關(guān)關(guān)系，刪除該指標數(shù)據(jù)；設(shè)經(jīng)相關(guān)分析之后保留下來的有m個指標(2≤m≤n，不考慮m≤1的情況)，利用因子分析法可以得到k個新指標(1≤k<m)，分別用表示f1,f2,…,fk表示；由于經(jīng)線性降維處理后得到的fk為連續(xù)數(shù)據(jù)類型，為了減少后續(xù)的工作量，方便后續(xù)工作中進行情景組合以計算其歷史概率，本發(fā)明利用k-均值聚類的方法分別將f1,f2,…,fk的取值進行離散化處理，得到f’1,f’2,…,f’k。

如圖3所示，所述根據(jù)所述第二級指標數(shù)據(jù)集，判別用戶的優(yōu)先級別的具體步驟：

步驟31，根據(jù)所述第二級指標數(shù)據(jù)集，將用戶優(yōu)先級別按優(yōu)先級由高到低進行分類；

步驟32，估算出每類用戶優(yōu)先級別出現(xiàn)的概率；

步驟33，根據(jù)所述每類用戶優(yōu)先級別出現(xiàn)的概率判斷出用戶的優(yōu)先級別。

本發(fā)明的上述實施例所述的方法利用樸素貝葉斯分類算法實現(xiàn)用戶優(yōu)先級的判別，先進行用戶優(yōu)先級分類，將用戶優(yōu)先級分類排序；然后以海量數(shù)據(jù)為基礎(chǔ)統(tǒng)計各優(yōu)先級的先驗概率及特定情境的概率；最后利用數(shù)據(jù)挖掘中的分類方法確定用戶優(yōu)先級類別，以實現(xiàn)提高無線資源的使用效率和系統(tǒng)吞吐量的目的。

其中，所述估算出每類用戶優(yōu)先級別出現(xiàn)的概率的具體步驟包括：

通過公式計算出每類用戶優(yōu)先級別出現(xiàn)的概率；

其中，p(upi)為用戶優(yōu)先級別出現(xiàn)的概率；p(x)為給定事件x的概率；p(upi|x)為優(yōu)先級別為upi的條件下給定事件x的概率。

其中，所述根據(jù)所述每類用戶優(yōu)先級別出現(xiàn)的概率判斷出用戶的優(yōu)先級別的步驟為：根據(jù)所述每類用戶優(yōu)先級別出現(xiàn)的概率，選擇概率值最大的為用戶的優(yōu)先級別。

本發(fā)明的上述實施例所述方法的具體實施例為首先將用戶優(yōu)先級別分成9類，一類為一個用戶優(yōu)先等級，且第一類優(yōu)先級最高，第9類優(yōu)先級最低，分別用up1，up2，…，up9表示；以上述得到的k個指標f’1,f’2,…,f’k作為分類屬性，利用海量歷史數(shù)據(jù)估計p(upi)，p(x)和p(x|upi)，其中i＝1,2,…,9；p(upi)為先驗概率，即出現(xiàn)優(yōu)先級別為upi的概率；p(x)和p(x|upi)分別為給定事件x的概率以及在優(yōu)先級別為upi的條件下給定事件x的概率；利用樸素貝葉斯算法計算用戶所屬的類，所對應(yīng)類的順序即為該用戶可分配的優(yōu)先級別；分別計算出優(yōu)先級別為upi的概率p(upi|x)，對于給定優(yōu)先級別upi，若有p(upi|x)>p(upi|x)1≤j≤9,i≠j，則此時對應(yīng)的upi即為用戶所得到的優(yōu)先級。

為使本發(fā)明的內(nèi)容和步驟更加清晰明確，在此對以上各步驟進行詳細舉例說明：

選擇無線通訊系統(tǒng)中可能影響用戶優(yōu)先級的指標，如表1所示。

以過去長期(如1年)的數(shù)據(jù)為基礎(chǔ)，分別計算出每個指標的均值和標準 差，再進行規(guī)范化處理。如信道質(zhì)量指示cqi的均值為4.5，標準差為5.0，第j條數(shù)據(jù)的cqi值為2，則規(guī)范化結(jié)果為

同理可以對每一條數(shù)據(jù)的每個指標屬性進行規(guī)范化處理。

以規(guī)范化處理后的數(shù)據(jù)作為輸入，利用pearson相關(guān)分析可以得到各指標與用戶優(yōu)先級up的相關(guān)關(guān)系顯著性水平，如表2所示。

由以上相關(guān)分析結(jié)果可知，信道質(zhì)量指示cqi(v1)、用戶最大傳輸速率(v4)、用戶歷史平均傳輸速率(v5)、業(yè)務(wù)類型(v6)和用戶計費總額(v9)這5個因素對于的p值均小于0.05，說明這些指標與up具有顯著的相關(guān)關(guān)系。

以上述5個指標的數(shù)據(jù)作為輸入，利用因子分析法對這5個指標進行因子分析，根據(jù)因子的累積方差貢獻率超過85％可以抽取出3互不相關(guān)的因子(f1,f2,f3)替代原來的5個指標：

在降維的基礎(chǔ)上利用k-均值聚類的方法將f1，f2，f3的取值進行離散化處理。如：

以上述3個因子f1,f2,f3作為分類屬性，利用樸素貝葉斯分類方法對判別用戶所屬的優(yōu)先級(類別)，即求出p(upi|x)最大時對應(yīng)的upi，而求p(upi|x)最大值即求p(x|upi)*p(upi)的最大值，因此，需要求出p(x|upi)和p(upi)的值。根據(jù)大量歷史數(shù)據(jù)可以估算得到p(upi)，如

p(up1)＝0.042,p(up2)＝0.089,p(up3)＝0.120,

p(up4)＝0.186,p(up5)＝0.125,p(up6)＝0.076,

p(up7)＝0.142,p(up8)＝0.104,p(up9)＝0.112；

然后計算出在給定用戶優(yōu)先級為upi時出現(xiàn)事件x(如f1＝1,f2＝1,f3＝2)時p(x|upi)的概率，如

p((f1＝1,f2＝1,f3＝2)|up1)＝0.056

p((f1＝1,f2＝1,f3＝2)|up2)＝0.047

p((f1＝1,f2＝1,f3＝2)|up3)＝0.850

p((f1＝1,f2＝1,f3＝2)|up4)＝0.001

p((f1＝1,f2＝1,f3＝2)|up5)＝0.010

p((f1＝1,f2＝1,f3＝2)|up6)＝0.026

p((f1＝1,f2＝1,f3＝2)|up7)＝0.036

p((f1＝1,f2＝1,f3＝2)|up8)＝0.406

p((f1＝1,f2＝1,f3＝2)|up9)＝0.056

進一步，計算出p(x|upi)*p(upi)的值，

p((f1＝1,f2＝1,f3＝2)|up1)*p(up1)＝0.003

p((f1＝1,f2＝1,f3＝2)|up2)*p(up2)＝0.004

p((f1＝1,f2＝1,f3＝2)|up3)*p(up3)＝0.102

p((f1＝1,f2＝1,f3＝2)|up4)*p(up4)＝0.001

p((f1＝1,f2＝1,f3＝2)|up5)*p(up5)＝0.001

p((f1＝1，f2＝1，f3＝2)|up6)*p(up6)＝0.002

p((f1＝1，f2＝1，f3＝2)|up7)*p(up7)＝0.005

p((f1＝1，f2＝1，f3＝2)|up8)*p(up8)＝0.042

p((f1＝1，f2＝1，f3＝2)|up9)*p(up9)＝0.006

可以看出，當用戶級別up為3時，p(x|upi)*p(upi)的值最大，因此，該用戶的優(yōu)先級別為3。

如圖4所示，本發(fā)明的實施例還提供了一種無線通訊系統(tǒng)用戶優(yōu)先級的判別裝置，包括：獲取模塊，用于獲取無線通訊系統(tǒng)數(shù)據(jù)庫中影響用戶優(yōu)先級的多個指標數(shù)據(jù)，構(gòu)成第一級指標數(shù)據(jù)集；分析處理模塊，用于對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行分析處理，構(gòu)成第二級指標數(shù)據(jù)集；分析判別模塊，用于根據(jù)所述第二級指標數(shù)據(jù)集，判別用戶的優(yōu)先級別。

本發(fā)明所提供的無線通訊系統(tǒng)用戶優(yōu)先級的判別方法及裝置以海量移動通信領(lǐng)域數(shù)據(jù)為基礎(chǔ)，以數(shù)據(jù)挖掘技術(shù)為手段，充分發(fā)揮海量數(shù)據(jù)的優(yōu)勢，綜合考慮多方面的影響因素，合理確定用戶優(yōu)先級，以實現(xiàn)提高無線資源的使用效率和系統(tǒng)吞吐量的目的。

其中，所述分析處理模塊包括：第一處理模塊，用于對所述第一級指標數(shù)據(jù)集中的多個所述指標數(shù)據(jù)進行歸一化處理，使多個所述指標數(shù)據(jù)保持統(tǒng)一量綱；第一計算模塊，用于計算所述第一指標數(shù)據(jù)集中進行歸一化處理后的每一指標數(shù)據(jù)與用戶優(yōu)先級的相關(guān)關(guān)系顯著性水平，提取與用戶優(yōu)先級的相關(guān)關(guān)系顯著性水平小于預(yù)設(shè)數(shù)值的指標數(shù)據(jù)，建立第一初步篩選指標數(shù)據(jù)集；分析模塊，用于對所述第一初步篩選指標數(shù)據(jù)集中的多個指標數(shù)據(jù)進行因子分析，篩除多個指標數(shù)據(jù)之間達到預(yù)定條件、除第一指標數(shù)據(jù)外的其他指標數(shù)據(jù)，建立第二初步篩選指標數(shù)據(jù)集；第二處理模塊，用于對所述第二初步篩選指標數(shù)據(jù)集中的多個指標數(shù)據(jù)進行離散化處理，得到所述第二級指示數(shù)據(jù)集。

其中，所述分析判別模塊包括：分類模塊，用于根據(jù)所述第二級指標數(shù)據(jù)集，將用戶優(yōu)先級別按優(yōu)先級由高到低進行分類；估算模塊，用于估算出每類用戶優(yōu)先級別出現(xiàn)的概率；判定模塊，用于根據(jù)所述每類用戶優(yōu)先級別出現(xiàn)的概率判斷出用戶的優(yōu)先級別。

本發(fā)明的上述實施例所述的裝置包括在后臺服務(wù)器，包括了歷史數(shù)據(jù)庫、 數(shù)據(jù)倉庫、數(shù)據(jù)挖掘算法庫以及專用挖掘庫等，歷史數(shù)據(jù)庫廣泛收集用戶業(yè)務(wù)信息、無線資源動態(tài)分配信息以及其他信息；利用數(shù)據(jù)集成整理模塊從歷史數(shù)據(jù)庫抽取出有效的數(shù)據(jù)存于數(shù)據(jù)倉庫；進一步，經(jīng)過相關(guān)分析、因子分析、聚類分析等步驟，將數(shù)據(jù)倉庫中的數(shù)據(jù)轉(zhuǎn)換為可以直接用于后續(xù)用戶優(yōu)先級判別的數(shù)據(jù)并存于專用挖掘庫中；專用挖掘庫同時存儲了直接從歷史數(shù)據(jù)中統(tǒng)計出來的知識，如各種無線資源分配情景的先驗概率等；而數(shù)據(jù)挖掘算法庫則存儲了已實現(xiàn)的算法工具，以供各功能模塊調(diào)用。

在基站側(cè)，主要包括用戶優(yōu)先級判別模塊和動態(tài)資源分配模塊。其中用戶優(yōu)先級判別模塊以來自用戶設(shè)備的用戶實時需求信息和來自專用挖掘庫中的歷史統(tǒng)計信息作為輸入，以樸素貝葉斯算法作為處理方法，經(jīng)計算可輸出用戶優(yōu)先級；而動態(tài)資源分配模塊則可根據(jù)用戶優(yōu)先級判別結(jié)果對動態(tài)資源進行實時分配調(diào)度，從而實現(xiàn)了無線通訊系統(tǒng)中動態(tài)資源的有效分配，提高系統(tǒng)吞吐量和無線資源使用效率。

以上所述是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。