FDD牌照来了!能否扭转4G格局?

时事背景自2013年12月工信部向三大运营商颁发4G牌照(制式均为TD-LTE)以来,FDD牌照就处于一个相当尴尬的境地。2014年,工信部又分4次向中国电信和中国联通颁发"LTE/第四代数字蜂窝移动通信业务(LTE FDD)"试商用经营许可,批准二者在56个试点城市展开LTE FDD和TD-LTE混合组网试验。虽然FDD牌照正式发放的传闻不断,但却始终"犹抱琵琶半遮面"。而在这一年时间内,中国移动4G用户就突破了1亿大关,这让移动电话用户增速不断放缓的中国联通和中国电信如坐针毡,不少舆论认为FDD牌照已经成为联通和电信的最后一棵救命稻草。     

硫系玻璃动力学强弱性评测方法

玻璃动力学强弱性指数m值的主要评测方法有两种:通过玻璃转变温度附近黏温关系测试直接获得mvis值;基于量热分析,根据不同升温速率获得假想温度,并假定玻璃转变温度范围内假想温度Tf符合Arrhenius关系,通过理论推导间接获得mDSC值。由于玻璃转变温度范围内假想温度Tf和黏度的关系实际上并非严格遵循Arrhenius关系,因此mDSC和mvis之间存在偏差。以系列商用硫系玻璃为例,通过两种评测方法比较,建立了通过mDSC推算mvis的经验公式,实现了准确、快速的评测硫系玻璃动力学强弱性。     

多关系社交网络中社团结构发现算法

社交网络的节点之间存在着多种关系,这些关系共同决定了网络中节点的社团结构划分。为了准确地发现多关系社交网络中的社团结构,通过研究信息在多子网复合复杂网络模型上的传播过程,提出了一种多关系网络中的社团结构发现算法。该算法基于多子网复合复杂网络模型建立的多关系社交网络,利用信息在多关系社交网络中的传播过程,将网络中的节点转化成能够被聚类算法处理的向量形式,进而采用聚类算法完成多关系社交网络中的社团结构划分。该算法综合考虑了网络中多种关系的相互作用以及异质节点间的相互影响,得到的传播信息量矩阵表示了各节点在整个网络中的影响力,并将影响力相似的节点划分到同一个社团结构中。实验结果显示,与传统社团结构发现算法相比,该算法不仅在准确度上有所提高,还能将异质节点划分到一个社团中,可以根据用户不同需求挖掘出多关系社交网络中的隐藏信息。     

高速列车本体半自动构建方法研究

目前高速列车本体多采用人工构建的方法,这种方法存在成本高、效率低且缺乏灵活性的不足。针对这种问题,提出了一种高速列车本体半自动构建方法,先使用分词工具Jieba对高速列车领域文档进行分词、去除停用词等预处理,然后使用TF-IDF、C-value等算法进行概念抽取,再使用层次聚类及Dice测度等算法挖掘领域层次关系及非层次关系,最后使用protégé工具构建结构化的OWL本体并进行可视化管理。通过高速列车本体半自动构建实例,实现概念及语义关系的自动获取,验证该方法的有效性及可行性。     

K4,4,p的点可区别的IE-全染色(p≥1008)

该文利用色集事先分配法、构造染色法、反证法探讨了完全三部图K_4,4,p (p≥1008)的点可区别IE-全染色问题，确定了K_4,4,p (p≥1008)的点可区别IE-全染色数。     

新形势下和谐企地关系建设探讨

进入21世纪以来,我国的经济实力和科学技术水平有了很大的发展和进步,综合国力与国际地位也在不断的提高。在这样的形势之下,我国致力于和谐社会的构建工作当中。无论是在人与自然、人与人还是人与社会之间,都提倡和谐共处,以创造和谐社会为目标。在当今时代,人们对于和谐企地关系的建设工作越来越重视,从目前的情况来看,我国在新形势下的企地关系并不是十分的和谐,从而使得我国经济和社会的整体发展受到了一定程度的阻碍。本文将以新形势下和谐企地关系建设为主线,进行简要的分析和描述。从经济学的角度入手,对当前地方与企业之间关系建设不和谐之处进行分析,深入的挖掘不和谐情况出现的根本原因,并从可持续发展观的角度来进行阐述。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。