排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
深度学习作为点云分类的重要方法之一,通常会因为点云的稀疏性、无序性、有限性等特点,导致卷积算子不能充分提取局部空间相关性,直接使用卷积提取点的相关特征将导致特征信息的丢失。为此提出一种经过X变换后的点云分类卷积神经网络:XTNet(convolutional neural network based on X-transform)。XTNet对输入的原始点云数据进行X变换,将它们置换成潜在的规范顺序,抑制点云无序性、稀疏性对卷积操作的影响,避免卷积操作过程中的信息丢失;使用K近邻算法构建局部区域后,使用卷积层提取局部信息;在提取局部特征的同时通过通道扩充增加信息传递、丰富特征;在各局部特征提取模块间设置跳跃连接,进一步减少局部信息的丢失。在标准公开数据集ModelNet40和真实数据集ScanObjectNN中进行了实验。实验结果表明,与目前主流的多个高性能网络相比,XTNet分类准确率提高了0.3~4个百分点,并且拥有良好的鲁棒性和普适性。 相似文献
2.
具有中继功能的802.16j协议,是为了增加基于802.16e网络的覆盖能力和容量.新的网络结构在原有网络基础上加入了中继站来进行中继通信,既可以增加本小区网络的覆盖范围,又可以解决非视距传输问题.针对加入新的中继站,带宽资源的控制和管理不再由基站统一管理,IEEE标准制定工作组定义了两种控制方式--集中式和分布式,但没有定义两种控制模式的适用范围.通过分析和仿真说明,集中式适用于拓扑简单的网络,可以提高小区资源利用率.而分布式适用于复杂网络,从而减少信令交互次数和延时. 相似文献
3.
本文通过对前奥林匹克时代古希腊体育活动开展的情况进行归纳和分析,找出其特点及顺利发展的原因。试图从前奥林匹克时代古希腊体育竞技的特点、发展原因及其对当时社会的影响三个方面进行阐述。通过历史长河,映射出当代竞技体育的缩影。 相似文献
4.
5.
6.
文章第一次在基于新的OFDMA框架结构和新的隧道传输技术(tunnel)的基础上评估802.16j的MAC层性能。尽管利用隧道传输已经在802.16j标准中定义了,但是我们找到了一个方法使得隧道的利用能够满足每个业务的QoS要求并且获得更高的MAC效率。不同参数之间的影响,例如MAC的帧大小,MAC协议数据单元(MPDU)的大小,QoS和业务数都在文章分析的范围中。文章的实验结果表明,如要提升效率,标准定义的5种QoS应分为5个不同业务组,并包括在每个中继站(RS)的5个隧道中。文章的结果还表明,逐跳(hop by hop)的隧道比端到端(end to end)的隧道有更好的性能。 相似文献
7.
针对高速率以及高载频带来基站小区边缘的收缩问题,在现有排队模型的基础上,提出一种适用于4G无线中继资源管理的分析模型,采用多级的开放式排队网络模型进行建模,并支持多种QoS业务。相比传统的分析方法,该方法能反映不同的QoS服务流模型。 相似文献
1