[发明专利]用户分簇方法、系统、存储介质、计算机设备及应用

权利要求书

1.一种用户分簇方法，其特征在于，所述用户分簇方法包括：

根据系统内用户样本集的信道增益和用户之间的信道相似度进行初始的用户分簇；

根据初始的用户分簇结果对高斯混合模型的初始模型参数进行计算；

计算每个样本由各混合成分生成的后验概率并迭代更新高斯混合模型的参数；

判断迭代次数是否达到设置的终止条件，若达到，则按照簇标记进行用户分簇，否则，返回计算每个样本由各混合成分生成的后验概率并迭代更新高斯混合模型的参数；

所述用户分簇方法包括以下步骤：

(1)根据系统内用户样本集D＝{x₁,x₂,...,x_m}的信道增益Η＝{h₁,h₂,...,h_m}和用户之间的信道相似度进行初始的用户分簇，其中m为系统内的总用户数，i,j∈{1,2,...,m}；

(2)根据初始的用户分簇结果对高斯混合模型的初始模型参数进行计算；均值向量协方差矩阵混合系数

(3)计算每个样本由各混合成分生成的后验概率γ_pi并迭代更新高斯混合模型的参数其中，系统内所有的用户样本被分为k个用户簇，上标t表示迭代次数；

(4)判断迭代次数是否达到设置的终止条件，若达到，则按照簇标记C＝{C₁,C₂,...,C_k}进行用户分簇，否则，返回(3)；

所述(2)中根据初始的用户分簇结果对高斯混合模型的初始模型参数进行计算，实现如下：

(a)第p个用户簇的初始均值向量定义为：其中p∈{1,2,...,k}，j∈{1,2,...,k}，即将中心用户样本x_j作为初始均值向量

(b)假设第p个用户簇中的用户数为m_p个，其中p∈{1,2,...,k}，则第p个用户簇的初始协方差矩阵定义为：

其中，x_p,i为第p个用户簇中的第i个用户样本；

(c)第p个用户簇的初始混合系数定义为：

2.如权利要求1所述的用户分簇方法，其特征在于，所述(1)中根据系统内用户样本集的信道增益和用户之间的信道相似度进行初始的用户分簇，实现如下：

(1)系统中有m个用户，用户的样本集D＝{x₁,x₂,...,x_m}，每个用户样本x_i是由用户信道增益h_i和用户与基站的物理偏离角α_i组成的二维列向量，即x_i＝(h_i,α_i)，其中i∈{1,2,...,m}，假设系统内所有的用户样本被分为k个用户簇，将所有用户样本的信道增益数值进行降序排序，选取排序前k个用户样本作为中心用户样本；

(2)计算用户样本x_i与中心用户样本x_j的信道相似度若用户样本与某中心用户样本的信道相似度最大，则将该用户划分至该中心用户对应的用户簇中。

3.如权利要求1所述的用户分簇方法，其特征在于，所述(3)中计算每个样本由各混合成分生成的后验概率并迭代更新高斯混合模型的参数，实现如下：

(1)定义随机变量z_i∈{1,2,...,k}代表生成样本x_i的高斯混合成分，从而z_i的先验概率P(z_i＝p)对应于α_p，z_i的后验概率分布根据贝叶斯定理表示为：

其中，P(z_i＝p|x_i)表示了用户样本x_i由第p个高斯混合成分生成的后验概率，将其简记为γ_pi，其中，p∈{1,2,...,k}，i∈{1,2,...,m}；

(2)计算并更新均值向量：

(3)计算并更新协方差矩阵：

(4)计算并更新混合系数：