共查询到19条相似文献，搜索用时 171 毫秒
1.
为应对信息的爆炸式增长，在小站上部署缓存以缓解回程链路压力显得尤为重要.考虑到用户历史行为中蕴含大量个性化信息，采用基于用户的Top N协作滤波推荐系统预测用户未来请求以确定缓存内容，并提出一种最大化系统吞吐量的用户归属方案.通过放松约束条件，得到用户归属与其在小站间吞吐量之比的关系，提出一种低复杂度归属算法.仿真结果表明所提算法比已有算法在缓存命中率和系统吞吐量上均有明显增益. 相似文献
2.
针对包含服务器、中继以及用户的分层网络,研究如何利用缓存降低传输延迟的问题.通过结合传统缓存和网络编码技术,提出新型的中心化和去中心化编码缓存方案.其中,中心化的方案根据中继、用户的数量以及缓存大小,对文件布置和发送策略进行优化设计,在满足用户文件请求的同时,实现数据的高效传输;去中心化的方案以牺牲少量性能为代价,支持... 相似文献
3.
LTE系统能够提供更高的数据速率,然而小区边缘用户由于受到严重的小区间干扰以及较大的路径损耗,其吞吐量比小区中心用户差.对于相同的发射功率,小区边缘用户较低的吞吐量导致整个系统的能量效率较低.针对LTE 3扇区场景,提出一种基于LTE/WLAN的两跳中继网络架构,用于提高小区边缘用户的吞吐量,以及LTE系统的能量效率. 理论分析和仿真结果表明,新型网络在用户吞吐量以及系统能量效率方面均有显著提升. 相似文献
4.
为实现永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)的有效控制,利用PMSM的线性化模型,采用一种基于柔化控制增量策略的快速广义预测控制算法设计PMSM转速控制律.根据历史时刻的预测控制向量和预测输出向量设计一种双通道网络补偿算法,对前向通道和反馈通道中的网络时延和数据丢包进行补偿.针对因网络时延和数据丢包导致的辨识信息缺失问题,提出一种网络广义预测自校正算法来提高系统的鲁棒性.仿真结果表明,网络预测控制器能够对网络时延和数据丢包进行有效的补偿,极大地改善PMSM网络控制系统的性能. 相似文献
5.
突发性数据传输易导致3G网络工作模式从低功耗状态向高功耗状态迁移,状态切换加剧能耗开销.本文对移动终端网络通信行为进行分析,提出移动终端下3G网络低功耗延迟唤醒策略.该策略对网络数据进行延时敏感性划分,并据此进行不同时间的延时传输,延迟3G网络唤醒时间达到降耗目的.仿真实验表明,策略有效降低系统功耗,具有较强的可行性. 相似文献
6.
杜红燕 《湖北函授大学学报》2014,(19):74-75,77
本文把推进马克思主义大众化放置在网络传播的现代视域中,从根本、基石、实践之术三个维度提出优化网络传播内容、建设网络传播队伍、提升网络传播策略的实现路径。特别是在提升网络传播策略中,提出了及时设置议程、借力权威与意见领袖、针对性使用一面提示或两面提示、诉诸理性与情感双翼等富有操作性的建议。 相似文献
7.
杨林国 《安徽职业技术学院学报》2011,10(2):17-19
文章探讨了一种基于GPS(全球定位系统)、BlueTooth(蓝牙)及GPRS(分组数据业务)的车载终端的定位导航系统的方案设计,提出一种新的GPS信息接入方式,即以蓝牙技术为接入方式、以单片机为控制手段,实现GPS信息到GPRS网络的无线接入。 相似文献
8.
准确提取钢铁厂对去产能监测和环境保护具有重要意义。传统的人工目视解译方法效率低、成本高，无法满足开展大区域钢铁厂监测的需求。以深度学习目标检测网络SSD为基础，构建面向遥感影像钢铁厂提取的深度学习目标检测网络，提出maxout模块，将负样本通路优化为多分支结构，突出难分负样本特征并提升网络对无用特征的抵制效果。利用国产GF-1数据对京津冀地区的钢铁厂进行快速自动提取实验。与人工解译的钢铁厂点位数据的对比表明，该目标检测方法的提取精度达到80%以上。 相似文献
9.
移动无线自组网络,通过多跳接入Internet,卫星网和第三代移动系统,构成了下一代无线Ad-hoc互联网,实现了异构网络的融合和资源共享。在下一代移动无线网络环境下,带宽和功率受限,存在着各种传输误差。根据这些特性,本文采用基于方向的小波分形的插值算法,提出了一种适用于移动无线Ad-hoc网络的视频传输的服务质量（Quality of Service,简称QOS）控制方法,模拟结果表明,该算法与现存算法（双线性内插）相比,具有更优的性能（信噪比）,并能适应网络带宽的动态变化。 相似文献
10.
基于带内自回传小基站系统，提出一种以用户为中心动态成簇的部分协作干扰抑制方案。根据带内自回传小基站复用接入与回传无线资源的特点，形成以最大化系统下行接入链路吞吐量为目标，联合回传链路资源分配与接入链路预编码设计的优化问题。由于所提问题难以获得最优解，基于凸松弛和分块坐标下降方法，提出一种次优的迭代求解算法。仿真结果表明所提算法能根据回传速率调整协作簇的大小，均衡小基站回传负载，提升系统接入链路的吞吐量。 相似文献
11.
为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。 相似文献
12.
为充分利用港口既有的建设规模、提高经济效益,对集装箱码头的泊位分配进行研究.采用神经网络和聚类分析两种数据挖掘技术分析相关数据,得到相应的数据挖掘模型.先通过反向传播(Back Propagation,BP)神经网络分析各因素对泊位分配的影响程度,确定出主要因素;然后通过聚类分析中的两步聚类算法进行分析;最终制定集装箱码头泊位分配策略.该方法可为提高集装箱码头生产效率提供帮助. 相似文献
13.
为提高船舶市场趋势预测的精度,针对以往在神经网络应用时仅单纯改进隐层环节算法的局限性,综合模糊聚类方法、数据修正和插值算法,对输入环节的数据进行降维和增量处理,构建船舶市场趋势预测的三阶段模型.首先,利用模糊聚类方法对历史数据进行分类,降低数据非线性;然后,通过数据修正和插值算法,在不改变数据规律的情况下增加每类数据的数据量;最后,利用处理完毕的数据训练神经网络.实例结果证明,三阶段模型在船舶市场趋势预测方面是有效的. 相似文献
14.
为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。 相似文献
15.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
16.
为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network, FPN)层思想设计新的网络结构,验证不同激活函数效果,采用聚类算法设计锚框大小。实验表明,相比于YOLO系列网络,本文的方法在船舶图像与视频检测中效果更好,在测试集上平均精度均值为0.920 9,召回率为0.981 8,平均交并比为0.799 1,在视频检测中每秒钟检测的帧数为78～80。为港口船舶智能管理和无人船视觉处理提供一种准确度高和实时性好的船舶检测方法。 相似文献
17.
复合材料是基于多种材料组分的不同组合方式经由相应工艺加工而成的新型材料,近年来凭借其优良的综合性能被广泛应用于交通、建筑等领域,其试验分析结果有时候与经验分析存在较大误差,从而建立可信的分析方法对复合材料承载性能进行验证具有十分重要的理论意义。基于长短期记忆（long short term memory,LSTM）深度学习网络模型的预测精度受数据序列长度影响,提出一种LSTM神经网络和Kalman滤波相结合的复合材料承载预测方法,既可以克服训练数据序列长度对传统LSTM神经网络的影响,又使得Kalman滤波可以从输入数据中学习。仿真结果表明,该方法可以获得优良的预测性能：LSTM-KF模型的承载预测误差将LSTM模型的预测误差从0.033 0 kN减小到0.016 0 kN,降幅为51.52%。 相似文献
18.
由于时间序列在各领域的广泛应用，时间序列预测已经引起越来越多的关注，但关于多维时间序列的预测关注较少.然而，多维时间序列蕴含着丰富的信息.针对该问题，提出基于k近邻（k-nearest neighbor，k-NN）和BP神经网络的多维时间序列组合预测模型.首先分别采用k-NN和BP神经网络进行预测，得到对应的预测结果.然后使用BP神经网络进行非线性组合，得到最终的预测结果.实验表明，该预测模型优于k-NN和BP神经网络预测模型. 相似文献
19.
为了改进BP算法预测性能,提出QPSO-BP模型.该模型采用DELTA势阱改进的量子粒子群(QPSO)算法优化BP网络的权值与阈值,然后利用各年的GDP数据进行训练和预测.结果表明:经过DELTA势阱改进的QPSO优化BP算法模型比PSO-BP模型和BP神经网络更稳定,预测精度更高且泛化能力更强.与文献中所用模型的运算结果相比较,这种改进模型运算结果的相对误差和平均误差更小,在准确性上也有一定的优势. 相似文献