FMC-产业发展选择未来

移动网、固定网各具优势 移动网络和固定网络在FMC的发展上各有各的优势.移动网络最大的优势在个人移动终端的便利性和个性化,符合用户的消费习惯;而固网的优势在于代表位置,高带宽和安全性.     

现状:缺乏创新难以持续发展

同质化现象严重 2006年SP业务的同质化现象相当明显,在移动增值业务市场中,除了短信这一传统的优势业务,彩铃、MMS、WAP和IVR也呈现出快速增长的势头.     

中通思普紧贴市场 构造多赢业务模式

中通思普(Continuous Computing)公司提供整合的系统与服务,帮助电信设备生产商能够迅速部署下一代电信网络(NGN)业务。该公司总部位于美国圣地亚哥,为全球范围内超过150多家客户提供由专业服务、Trillium协议软件、AdvancedTCA和CompactPCI硬件整合的解决方案。中通思普公司不但是Intel通信联盟的会员,而且是通信平台贸易联盟(CP-TA)的会员。近日,中通思普公司宣布任命Mike Dagenais为公司首席执行官兼董事会成员。“Dagenais先生对电信市场的深入了解,管理和领导高科技企业快速发展的实战经验以及实现持续财政收益的能力是他加入…     

中通思普推ATCA流量管理和安全系统

2007年4月4日,中通思普公司作为提供整合的系统与服务,帮助电信设备生产商迅速部署下一代电信网络(NGN)业务的全球供应商,宣布推出全新的AdvancedTCA(ATCA)系统。该系统能够以10Gbit/s的线速支持深层数据包检测,提供基于应用的流量管理及汇聚功能。这个刀片服务器解决方案提供增强的安全功能,用于检测并防护违法访问、阻断拒绝服务攻击,并促进全新的IP多媒体子系统(IMS)和固定移动融合(FMC)网络中的病毒扫描—所有这些功能对部署NGN应用的运营商来说均为重要优势。     

眼镜产品透射比测量中急需纠正的计量检定误区

我国有3.6亿人佩带眼镜.为了保障广大人民的视力健康,在国家质检总局的领导下,全国质量技术监督部门做出了卓有成效的努力.迄今为止,除台湾和西藏外,几乎所有的省、市和地区都建立了与眼科仪器有关的校准实验室或与眼镜产品质量有关的检测实验室.     

基于主元分析的传感器故障检测研究

基于主元分析（PCA）的故障诊断方法是故障诊断领域一个重要研究分支。本文首先介绍了主元分析的理论,然后深入研究了基于主元分析方法的传感器故障检测问题。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测。最后进行具体仿真,仿真结果表明主元分析法对传感器具有很好的故障检测能力。     

CLARA算法聚类蛋白质序列的实现

随着基因工程产生大量新序列,导致蛋白质序列数据库的迅速增长,巨量蛋白质数据的功能组和族谱分析使蛋白质序列聚类分析成为结构和功能基因组学重要的研究目标,应用数据挖掘技术对生物数据进行聚类分析成为生物信息学研究的热点。聚类分析算法中的CLARA划分算法已广泛应用于其它领域,但在大数据量蛋白质序列聚类分析中应用很少,文章应用CLARA算法对在基准数据库中选取的蛋白质序列进行聚类分析,并将结果与其它几种蛋白质聚类算法进行了比较。     

基于加权均值人脸的多姿态人脸识别

针对姿态变化人脸问题,本文提出一种加权均值人脸的概念。根据人脸姿态变化时左右摇摆角度的变化,首先定义了构建均值人脸时每幅姿态变化人脸权值的计算方法,并提出加权均值人脸的构建方法。然后,结合姿态人脸的俯仰角度变化,将姿态变化人脸划分为俯视、平视和仰视三个层次,针对每个层次构建加权均值人脸,形成加权均值人脸矩阵。最后,针对加权均值人脸矩阵存在数据冗余的问题,采用改进的局部保持投影算法进行深层特征提取,获取关键识别信息。实验结果表明,本文所提方法能有效提取俯仰变化和左右摇摆变化情况下人脸的关键信息,使识别效果得到较大改善。     

无线通信可靠性研究

可靠性反映信息在传输过程中出错情况,其是衡量通信系统性能的重要指标之一。在无线通信中由于传输信道的复杂性,使得通信可靠性更显重要。本论文是对通信可靠性性能理论知识进行分析研究,然后给出相应硬件验证结果,以及相应的MATLAB软件仿真结果。     

一种基于脉线流卷积神经网络的人群异常行为检测算法

在计算机视觉领域，人群异常行为检测技术可以广泛应用于视频监控、智能视频分析、群体行为识别等领域，因此，受到了学者们的广泛关注。由于视频中人群目标具有尺度变化大、透视形变、标注偏置等特点，人群异常行为检测依然是一个具有挑战性的难题。为此，本文提出了一种基于脉线流和卷积神经网络的人群异常行为检测方法(Streak Flow CNN Abnormal Behavior Detection，简称SFCNN-ABD)。SFCNN-ABD通过卷积神经网络获取显著的人群行为空域特征，并通过脉线流结合卷积神经网络获取人群行为时域特征。SFCNN-ABD是一个双流网络，网络结构由两个深度残差网络作为骨干网络，分别为空域网络和时域网络。其中，空间域网络的输入是原始视频帧，提取人群行为的表观特征，而时域网络利用脉线流提取人群行为的运动特征，脉线流能更准确地识别场景中的空域和时域变化，因而能进一步提升人群异常行为检测的准确性。最后将两个网络的输出进行融合，完成人群异常行为的检测。在UMN和VIF两个公开基准数据集进行了测试，实验结果表明本文方法的性能优于当前主流算法，验证了本文方法的有效性。