一种基于XGBoost算法的用户投诉预测方法

用户的投诉行为既受到客观网络环境作用，又具有强烈的主观行为意识。通过收集投诉用户的主客观数据特征，引入机器学习算法预测潜在的投诉用户，提早介入进行网络优化和用户关怀，能够有效降低网络投诉的发生。本文介绍了一种基于XGBoost算法的投诉用户特征识别和预测方法，通过收集投诉用户数据特征，构建投诉特征指标集，利用XGBoost算法迭代处理实现潜在投诉用户预测。经大量数据验证，本算法可有效实现对网络潜在投诉预测，为网络优化提供了重要依据。     

基于TK能量算子的OFDM时延估计算法

文章针对已有正交频分复用(OFDM)信号时延(TOA)估计算法抗噪声能力弱的问题,引入TK能量算子,在旋转不变技术（ESPRIT）算法基础上,提出一种TK-ESPRIT算法进行TOA估计。该算法利用TK算子对瞬时信号变化敏感的特点,首先对信号互相关函数进行处理,使相关函数峰值更加明显,再构造特征矩阵,利用ESPRIT算法完成TOA估计。仿真结果表明,和已有算法相比,提出算法可以有效提高估计精度。