Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja

diplomski rad

• Naslov (engleski): Mobile user profile classification of a telecommunication network based on the machine learning methodology
• Autor: Kristina Kušić
• Mentor: Tomislav Stipančić (mentor)
• Član povjerenstva: Biserka Runje (predsjednik povjerenstva)
• Član povjerenstva: Irena Žmak (član povjerenstva)
• Član povjerenstva: Tomislav Stipančić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet strojarstva i brodogradnje; Zagreb
• Datum i država obrane: 2020-01-23, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Strojarstvo; Proizvodno strojarstvo

Sažetak

Tema ovog diplomskog rada je „Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja“. U ovom radu opisani su koncepti rada mobilne telekomunikacijske mreže. Dvjema metodama strojnog učenja analizirani su određeni parametri pokretnih korisničkih profila između dva europska grada. Korištena je dostupna baza podataka s ciljem identifikacije i grupacije pojedinih ćelija unutar zadanog područja. Cilj je pronaći ćelije visokog stupnja mobilnosti, odnosno ćelije čije je područje pokrivanja usmjereno na autoput i prugu. Korištene metode su K-means i Gaussian Mixture metoda. Provedena je usporedba rezultata dobivenih objema metodama. Također, dobiveni rezultati uspoređeni su s podacima o radu mreže iz drugog vremenskog razdoblja kako bi se dokazala ponovljivost i sezonalnost rezultata.

Sažetak (engleski)

The topic of this master thesis is “Mobile user profiles classification of a telecommunication network based on the machine learning”. This project describes the concept of how mobile network works. This research uses two unsupervised machine learning methods in order to analyze cell mobility patterns. For this purpose, cell trace data from two European cities are used. The goal is to find “high-mobility” cells, or cells whose area of coverage is focused on the highway and track. The methods used were K-means and Gaussian Mixture method. A comparison of the results obtained with both methods is performed. Furthermore, the results were compared with the network performance data from other time interval to prove the repeatability and seasonality of the results.

• Ključne riječi: ćelija; bazna stanica; korisnički profil; grupiranje; klaster.
• Ključne riječi (engleski): cell; base station; user profile; clustering; cluster.
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:235:381193
• Studijski program: Naziv: Strojarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka strojarstva (mag. ing. mech.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup; Datum isteka embarga: 2020-01-23
• Datum i vrijeme pohrane: 2020-01-21 11:24:47