为了改善马尔科夫链在用户移动性预测过程中时延较大、准确率不高的问题,提出一种基于误差反向传播(Back Propagation,BP)神经网络的马尔可夫链移动性预测算法(Markov Chain Mobility Prediction Algorithm based on BP Neural Network,...为了改善马尔科夫链在用户移动性预测过程中时延较大、准确率不高的问题,提出一种基于误差反向传播(Back Propagation,BP)神经网络的马尔可夫链移动性预测算法(Markov Chain Mobility Prediction Algorithm based on BP Neural Network,MC-BP)。该算法采用加权的误差函数对BP神经网络进行改进,通过改进的BP神经网络对状态转移概率矩阵进行训练和更新,将其结果代入马尔可夫链,得到预测的下一位置点坐标,并与实际坐标进行对比,从而完成用户移动性预测。将MC-BP与基于在线学习的马尔可夫链预测(Markov Chain based on the Online Learning System,MC-OLS)算法和BP算法进行对比,仿真结果表明,所提算法的运行时间更短,其预测准确率均高于其他两种对比算法,且能够适应不同数据集下的用户轨迹。展开更多
文摘为了改善马尔科夫链在用户移动性预测过程中时延较大、准确率不高的问题,提出一种基于误差反向传播(Back Propagation,BP)神经网络的马尔可夫链移动性预测算法(Markov Chain Mobility Prediction Algorithm based on BP Neural Network,MC-BP)。该算法采用加权的误差函数对BP神经网络进行改进,通过改进的BP神经网络对状态转移概率矩阵进行训练和更新,将其结果代入马尔可夫链,得到预测的下一位置点坐标,并与实际坐标进行对比,从而完成用户移动性预测。将MC-BP与基于在线学习的马尔可夫链预测(Markov Chain based on the Online Learning System,MC-OLS)算法和BP算法进行对比,仿真结果表明,所提算法的运行时间更短,其预测准确率均高于其他两种对比算法,且能够适应不同数据集下的用户轨迹。
