prikaz prve stranice dokumenta Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja
  Download
PDF 3.8 MB
master's thesis
Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja
Zagreb: University of Zagreb, Faculty of Mechanical Engineering and Naval Architecture, 2020. urn:nbn:hr:235:381193
Kušić, Kristina
University of Zagreb
Faculty of Mechanical Engineering and Naval Architecture

Institutional repository: Repository of Faculty of Mechanical Engineering and Naval Architecture University of Zagreb

Cite this document

Kušić, K. (2020). Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Mechanical Engineering and Naval Architecture. Retrieved from https://urn.nsk.hr/urn:nbn:hr:235:381193

Kušić, Kristina. "Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja." Master's thesis, University of Zagreb, Faculty of Mechanical Engineering and Naval Architecture, 2020. https://urn.nsk.hr/urn:nbn:hr:235:381193

Kušić, Kristina. "Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja." Master's thesis, University of Zagreb, Faculty of Mechanical Engineering and Naval Architecture, 2020. https://urn.nsk.hr/urn:nbn:hr:235:381193

Kušić, K. (2020). 'Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja', Master's thesis, University of Zagreb, Faculty of Mechanical Engineering and Naval Architecture, accessed 29 November 2024, https://urn.nsk.hr/urn:nbn:hr:235:381193

Kušić K. Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Mechanical Engineering and Naval Architecture; 2020 [cited 2024 November 29] Available at: https://urn.nsk.hr/urn:nbn:hr:235:381193

K. Kušić, "Klasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja", Master's thesis, University of Zagreb, Faculty of Mechanical Engineering and Naval Architecture, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:235:381193

Metadata
TitleKlasifikacija pokretnih korisničkih profila telekomunikacijske mreže metodologijom strojnog učenja
Title (english)Mobile user profile classification of a telecommunication network based on the machine learning methodology
AuthorKristina Kušić
MentorTomislav Stipančić (mentor)
Committee memberBiserka Runje (predsjednik povjerenstva)
Committee memberIrena Žmak (član povjerenstva)
Committee memberTomislav Stipančić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Mechanical Engineering and Naval Architecture
Zagreb
Defense date and country2020-01-23, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Mechanical Engineering
Production Mechanical Engineering
Abstract
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.
Abstract (english)
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.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:235:381193
Study programmeTitle: Mechanical Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka strojarstva (magistar/magistra inženjer/inženjerka strojarstva)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Embargo expiration date: 2020-01-23
Terms of useLicence In copyright icon
Created on2020-01-21 11:24:47