CDMA移动通信系统中的网络优化技术

文章详细讨论了CDMA移动通信系统的网络优化技术;对目前CDMA网络优化工作中存在的问题进行了深入的分析,并提出了可行的解决办法;最后对网络优化技术的发展趋势进行了探索。     

老树发新芽,短信智能化

智能化短信业务是一种基于点对点和点到应用短信上的增值应用,这种新业务的推出很好地利用了短信业务量大、渗透率高的特点,不仅能增加用户黏性,而且能拉动增值业务收入。文章介绍了智能化短信业务实现的一些关键技术,研究了不同移动网络制式下的实现方案,并展望了智能化短信业务向未来演进的趋势。     

结合矢量量化与远间隔预测的振动遥测信号压缩方法

本文针对一类准周期性振动遥测信号的特点 ,提出了一种结合矢量量化与远间隔样值预测的数据压缩的新方法 .此方法充分利用了矢量量化和远间隔样值预测的优点 ,并将二者有机地结合起来 ,从而形成了一种有效的压缩方法 .这种方法对振动信号中周期性较强部分获得了很高的压缩比 ,而且运算速度快 ,可在嵌入单片机的系统中实现 .实验中对 10kHz抽样的振动信号进行压缩 ,获得了约 5 0倍的压缩比和 3%的恢复精度     

移动网络中基于代理的UPT移动性管理

该文描述了移动网络中通用个人通信(UPT)及其移动性管理概念,提出了基于移动代理技术的移动性管理方法,并对所提方法加以分析描述。     

一种基于移动代理的个人移动性结构

提出了一种基于移动代理技术的个人移动性实现方法，设计了一种基于移动代理平台的结构MAPM(Mobile Agent Based Personal Mobility)，有效地实现了移动网络中的个人服务环境的迁移，保证了用户在跨网络漫游时正在使用的服务不间断。     

基于CNN的方面级跨领域情感分析研究

近年来,方面级情感分析吸引了越来越多学者的关注,但方面级跨领域情感分析存在没有标注数据,难以获得好的分类结果的问题。将上下文特征与方面特征进行融合,构建基于卷积神经网络和门控单元的情感分类模型,并利用少量目标领域数据集对模型进行微调来实现迁移学习,再用迁移学习后的模型对目标领域的数据进行方面级情感分析,有效解决了训练样本不足、准确率低的问题。人工标注了适用于方面级跨领域情感分析的中、英文语料,所提出的方法在中文数据集最优的F1值达到92.19%,英文数据集最优的F1值达到了86.18%,实验结果表明基于卷积神经网络的方面级跨领域情感分析方法有效提高了目标领域的情感分类准确性。     

移动互联网业务能力开放研究

移动互联网业务是通信领域最具发展潜力的业务,通过构建移动互联网业务能力开放环境,将移动网络特有元素通过API形式开放,可促进移动、互联网元素的融合,构建具有差异化的移动互联网业务。本文对移动业务能力开放关键特征和要素进行了分析,提出基于Mashup技术实现移动、互联网元素融合的业务能力开放平台,并结合能力开放平台通过移动互联网差异化应用案例进行验证分析。     

基于胶囊网络的方面级跨领域情感分析

在跨领域情感分析任务中,目标领域带标签样本严重不足,并且不同领域间的特征分布差异较大,特征所表达的情感极性也有很大差别,这些问题都导致了分类准确率较低。针对以上问题,提出一种基于胶囊网络的方面级跨领域情感分析方法。首先,通过BERT预训练模型获取文本的特征表示;其次,针对细粒度的方面级情感特征,采用循环神经网络（RNN）将上下文特征与方面特征进行融合;然后,使用胶囊网络配合动态路由来区分重叠特征,并构建基于胶囊网络的情感分类模型;最后,利用目标领域的少量数据对模型进行微调来实现跨领域迁移学习。所提方法在中文数据集上的最优的F1值达到95.7%,英文数据集上的最优的F1值达到了91.8%,有效解决了训练样本不足造成的准确率低的问题。     

跨模态多标签生物医学图像分类建模识别

目的 生物医学文献中的图像经常是包含多种模式的复合图像,自动标注其类别,将有助于提高图像检索的性能,辅助医学研究或教学。方法 融合图像内容和说明文本两种模态的信息,分别搭建基于深度卷积神经网络的多标签分类模型。视觉分类模型借用自然图像和单标签的生物医学简单图像,实现异质迁移学习和同质迁移学习,捕获通用领域的一般特征和生物医学领域的专有特征,而文本分类模型利用生物医学简单图像的说明文本,实现同质迁移学习。然后,采用分段式融合策略,结合两种模态模型输出的结果,识别多标签医学图像的相关模式。结果 本文提出的跨模态多标签分类算法,在ImageCLEF2016生物医学图像多标签分类任务数据集上展开实验。基于图像内容的混合迁移学习方法,比仅采用异质迁移学习的方法,具有更低的汉明损失和更高的宏平均F1值。文本分类模型引入同质迁移学习后,能够明显提高标签的分类性能。最后,融合两种模态的多标签分类模型,获得与评测任务最佳成绩相近的汉明损失,而宏平均F1值从0.320上升到0.488,提高了约52.5%。结论 实验结果表明,跨模态生物医学图像多标签分类算法,融合图像内容和说明文本,引入同质和异质数据进行迁移学习,缓解生物医学图像领域标注数据规模小且标签分布不均衡的问题,能够更有效地识别复合医学图像中的模式信息,进而提高图像检索性能。     

基于Mobile Agent的服务移动性实现

本文提出了一种基于Mobile Agent的服务移动性系统(MASM,Mobile Agent Based Service Mobility),并在模拟环境中加以实现.MASM系统充分利用了Mobile Agent和Java技术的优势,提出了用“打点”和模块化等技术设计Mobile Agent的新方法,从而有效地减少了网络传输负载,灵活地实现了跨不同网络的服务移动.本文着重在MASM系统和Mobile Agent结构设计上以及具体服务移动的实现上.