全媒体时代新闻摄像记者的“多栖化”转变

随着信息和网络技术的快速发展,当代各种媒体在发展中呈现出融合的趋势。这个情况给传统媒体带来了巨大的冲击,也有着巨大的机遇。新闻摄像记者在媒体融合的大潮下如何适应,并且进一步发展,在大潮中的多栖化方向如何等位,这些都是需要思考的。本文从摄像记者多栖化趋势入手,分析了全媒体时代对摄像记者提出的要求以及影响,提出了摄像记者必备技能与多栖化策略。     

XMPP消息系统负载均衡实现方法研究

本文对XMPP系统的部署进行研究,以提供高性能、高并发、高可靠、低成本的方法,以支持百万用户级的业务接入能力。     

SDN中基于KMOBPSO的高可靠性控制器部署算法

针对SDN中控制器系统的单节点故障问题,兼顾系统成本和系统时延,应用N+1冗余备份模型来提高SDN控制器部署的可靠性,并将其抽象为多目标优化问题.同时,提出了一种融合K-means聚类算法和遗传算子的多目标二进制粒子群算法——KMOBPSO算法,以求解SDN控制器高可靠性部署问题的解.仿真结果表明,所提算法具有求解精度高、分布均匀、沿Pareto前沿面覆盖广的特点,能够显著提高SDN中控制器部署的可靠性.     

对话产业链 一家独大的4G格局如何打破?

2015年在中国移动4G一家独大的基础上,即将迎来多方竞争的局面,如何促进4G竞争趋于理性化、可持续化,也将成为明年4G发展所面临的难题。《通信世界》2014年国内4G发展以中国移动为首,取得的成绩令业界惊叹,无论是用户数还是基站数都远远突破了既定目标,也进一步刺激了其他两家运营商的4G发展。您认为有哪些原因促成了这样的局面?诸震雷:中国移动的4G建设能够在这么短的时间取得如此成绩,主要有四方面原因。一是与国家政策层面的支持和引导密不可分,并在TD-LTE频谱资源方面给予支持。其次,运营商     

共享交通的时空轨迹检索与群体发现

为解决共享交通下的共乘用户群体发现效率低、准确率不高问题，依据R-树原理建立GeoOD-Tree索引，并在此基础上提出以最大化共乘率为目标的群体发现策略。首先，对原始时空轨迹数据进行特征提取与标定处理，挖掘有效出行起讫点（OD）轨迹；其次，针对用户起讫点轨迹的特征，建立GeoOD-Tree索引进行有效的存储管理；最后，给出以最大化共乘行程为目标的群体发现模型，并运用K最近邻（KNN）查询对搜索空间剪枝压缩，提高群体发现效率。采用西安市近12000辆出租车营运轨迹数据，选取动态时间规整（DTW）等典型算法与所提算法在查询效率与准确率上进行性能对比分析。与DTW算法相比，所提算法的准确率提高了10.12%，查询效率提高了约15倍。实验结果表明提出的群体发现策略能有效提高共乘用户群体发现的准确率和效率，可有效提升共乘出行方式的出行率。     

基于多目标优化的创意平板折叠桌设计

在任意给定折叠桌高度和圆形桌面直径时，为满足产品稳固性好、加工方便、节省用料的设计要求，通过建立多目标优化模型对创意平板折叠桌进行优化设计，利用线性加权法确定折叠桌的平板尺寸、钢筋位置、开槽长度等最优设计参数。     

多层螺旋CT联合三维重建技术诊断复杂性肛瘘的效果

目的:探讨多层螺旋CT联合三维重建技术诊断复杂性肛瘘的效果。方法:选取2015年1月-2018年12月本院收治的复杂性肛瘘患者58例。患者术前均给予多层螺旋CT联合三维重建和直肠腔内超声(EAUS)检查,以手术结果为最终诊断结果,比较两种方法对复杂性肛瘘的内口、瘘管的检出准确率以及对复杂性肛瘘分级的准确性。结果:58例患者手术共检出62个内口、74条瘘管;多层螺旋CT联合三维重建对内口和瘘管的检出准确率分别为98.39%、97.30%,均高于EAUS的88.71%、89.19%,差异均有统计学意义(P<0.05);多层螺旋CT联合三维重建、手术对复杂性肛瘘分级诊断准确性比较,差异无统计学意义(P>0.05),EAUS、手术对复杂性肛瘘分级诊断准确性比较,差异有统计学意义(P<0.05)。结论:多层螺旋CT联合三维重建技术能够更精准地确定肛瘘内口和瘘管的位置,准确地对肛瘘进行分级,为手术方案的确定和手术的顺利进行提供可靠保证。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。