改进的呼叫指纹算法及其在重入网识别中的应用

改进的呼叫指纹算法及其在重入网识别中的应用

李铁钢, 马驷良, 王彦

吉林大学数学学院，长春 130012

收稿日期:2006-12-18 修回日期:1900-01-01 出版日期:2007-03-26 发布日期:2007-03-26
通讯作者: 马驷良

Improved Callfingerprint Arithmetic and Its Applicationin Recognition of Repeat Network Access

LI Tiegang, MA Siliang, WANG Yangang

College of Mathematics, Jilin University, Changchun 130012, China

Received:2006-12-18 Revised:1900-01-01 Online:2007-03-26 Published:2007-03-26
Contact: MA Siliang

摘要/Abstract

摘要： 针对传统呼叫指纹算法在实际应用中识别准确率低、识别对象局限性大、识别时间长等问题，在Hausdorff距离的基础上提出一种新的匹配算法，从而提高了重入网用户识别的精度，扩大了识别对象的适用范围.

关键词: 呼叫指纹, 重入网, Hausdorff距离, 转移概率矩阵

Abstract: In the light of many problems like the low accuracy on identification, the big limitness on the object of identification, taking more t ime, etc. for the arithmetic of traditional callfingerprint using the method which combines the callround identification with the IMEI identification, this thesis deals with an arithmetic which is based on the match of Hausdorff’s distance to improve the accuracy of identification and the extending of the scope of object.

Key words: callfingerprint, repeat network access, Hausdorff di stance, transfer probability matrix

中图分类号:

TP391

李铁钢, 马驷良, 王彦. 改进的呼叫指纹算法及其在重入网识别中的应用[J]. J4, 2007, 45(02): 254-255.

LI Tiegang, MA Siliang, WANG Yangang. Improved Callfingerprint Arithmetic and Its Applicationin Recognition of Repeat Network Access[J]. J4, 2007, 45(02): 254-255.

[1]	王玉, 申铉京, 周昱洲, 林鸿斌. 一种求解交通网络中最短路径问题的人工蜂群算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1144-1150.
[2]	朱新丽, 才华, 寇婷婷, 杜冬晖, 孙俊喜. 行人多目标跟踪算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1161-1170.
[3]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[4]	孙启隆, 于萍, 司振惠, 郭鑫, 王岩. 基于暗通道的沙尘图像增强算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1179-1187.
[5]	刘高天, 段锦, 范祺, 吴杰, 赵言. 基于改进RFBNet算法的遥感图像目标检测[J]. 吉林大学学报(理学版), 2021, 59(5): 1188-1198.
[6]	胡雅婷, 陈营华, 宝音巴特, 曲福恒, 李卓识. 一种增量式MinMax k-Means聚类算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1205-1211.
[7]	聂逯松, 常方圆, 常学智, 刘畅, 金有为, 刘国晟, 付加胜, 韩霄松. 一种新型的自适应多核学习算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1212-1218.
[8]	蒲晓川, 黄俊丽, 祁宁, 宋长松. 基于密度信息熵的K-means算法在客户细分中的应用[J]. 吉林大学学报(理学版), 2021, 59(5): 1245-1251.
[9]	焦冲, 苏科华, 吴博文, 任术波, 辛宁. 一种基于局部平均法向变形的网格参数化方法[J]. 吉林大学学报(理学版), 2021, 59(4): 867-876.
[10]	丁通, 刘元宁, 朱晓冬, 刘帅, 张齐贤, 张阔. 面向残差网络多元特征的轻量级虹膜分类[J]. 吉林大学学报(理学版), 2021, 59(4): 877-882.
[11]	孙俊, 才华, 朱新丽, 胡浩, 李英超. 基于双重注意力机制的深度人脸表示算法[J]. 吉林大学学报(理学版), 2021, 59(4): 883-890.
[12]	傅博, 王瑞子, 王丽妍, 张湘怡. 基于深度卷积神经网络的水下偏色图像增强方法[J]. 吉林大学学报(理学版), 2021, 59(4): 891-899.
[13]	李晓峰, 李东, 王妍玮. 基于深度残差网络的医学超声图像多尺度边缘检测算法[J]. 吉林大学学报(理学版), 2021, 59(4): 900-908.
[14]	张震, 张照崎, 朱留存, 苗志滨, 王骥月, 李修明, 赵成龙, 张坤伦. 基于Harris-改进LBP的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(3): 568-576.
[15]	李二强, 陈凯健, 周漾. 可控多重纹理扩展合成与迁移[J]. 吉林大学学报(理学版), 2021, 59(3): 577-586.