基于用户访问感知的家宽业务质差识别研究与实践

随着互联网的迅猛发展,用户对业务感知和服务质量要求越来越高,网络业务质量 监测也变得日益重要。分析了当前家宽业务质差识别现状,提出了一种基于用户访问感知指标的宽带业务体验评分方法,并通过区域试点验证了评价体系的有效 性。使用该方法可有效提升质差用户识别率,对于网络问题的主动发现、网络质量的精细化管理具有较好的参考意义。     

软件用户身份识别技术及应用

物联网终端需要电信运营商提供SIM(用户身份识别)卡来实现远程通信,而传统SIM卡在物联网中应用存在通信可靠性低、工业级SIM卡采购成本高、物流及管理成本高等问题;同时提前预配SIM卡易产生漫游和流量结算问题.软SIM以纯软件形态实现SIM的功能,软SIM解决了传统SIM卡在物联网应用中碰到的诸多问题,可实现物联网的规模化发展和M2M(机器到机器)用户的拓展,可为物联网产业链的各个角色(包括电信运营商)带来巨大的收益.     

改进K-means模型在电力系统用户行为分析中的应用

针对电力信息系统用户行为分析的问题,提出了一种基于改进K-means聚类模型的电力信息系统用户行为分析方法。该方法把基于单词向量特征的改进K-means聚类模型应用于电力信息系统用户行为分析,解决了传统K-means算法通过随机选出聚类中心质点的方式得到的聚类结果范围波动较大、迭代次数较多、耗费时间较长以及稳定性较差的问题,优化后的算法聚类内距整体缩小,迭代次数也大幅度减少,提升了主动服务信息推送的精准性。     

基于广电用户画像实现精准用户新业务营销

本文围绕用户画像和精准营销两个方面,研究用户画像在广电新业务推广营销工作上的应用.本文详细论述了用户画像、用户建模、营销实践的全部过程,同时通过营销实践验证用户画像对新业务营销的促进作用.     

数据挖掘技术在论坛用户识别中的应用

如何通过大量隐藏在论坛中信息发掘出有商业价值的用户已经成为当今数据挖掘的重点.选取随机8个用户样本,每用户四个指标,建立神经网络模型,输入到神经网络中进行训练、打分,从而判定其是否为言论领袖.采用模糊模式识别的方法,为每一个模式(用户)定义一个相应的模糊集,并用模糊集之间的贴近度来度量相应用户之间关联程度.从而挖掘用户论坛人际关系圈.     

低压用户自识别技术应用系统

提出了低压用户自识别管理方案,实现了将户台自对应、三相自识别、远程载波抄表三项功能集成到一套集抄设备中。通过研制一种新型的智能集中器和采集器,应用现代数字通信技术、嵌入式技术、计算机软硬件技术、低压电力载波技术等进行用电点需求侧信息采集与分析处理,实现了集低压载波抄表、主动上报、交流模拟量采集、阀控断电、防窃电等功能于一体,以及户台自对应,三相自识别,达到减少人工核对户台对应和人工变更管理信息工作量和合理分配三相负荷的目的。     

机器学习在物联网虚假用户识别中的运用

随着通信技术的发展,物联网卡和5G技术将得到大规模应用,但存在个别企业利用物联网卡资费便宜、没有实名制等特点从中非法牟利、破坏社会稳定的问题,不利于行业健康发展。因此如何识别虚假用户成为物联网行业研究的重要课题。主要研究了在实时海量的物联网终端数据中,如何运用机器学习模型高效地识别疑似虚假用户。具体来看,通过研究相关数据的特征,采用基于正样本和未标记样本的半监督式学习模型建立实时监控异常行为的模型,达到识别物联网行业中潜在虚假用户的目的。本研究成果体现在节约大量人力物力的同时,可以帮助相关部门、人员及时发现用户的异常行为,采取相应的措施避免产生较大损失,具有广泛的行业应用前景。     

基于深度神经网络的高校贫困生认定模型

高校贫困生认定工作是当前高校学生管理的重要工作之一。校园一卡通产生了大量的数据,记录着在校大学生消费和学习情况。以深度神经网络为技术依托,建立高校贫困生认定模型。实验证明,该模型具有较高的准确度,为科学构建高校贫困生认定管理体系提供技术支持。     

基于改进的混合高斯模型的运动目标跟踪研究

对传统混合高斯背景模型作了改进,消除了缓慢运动目标对背景模型的影响,其中提出了目标间差分方法区分出前后帧变化区,对不同区域采用不同的学习权重更新策略。通过实验证明,该改进算法提高了背景模型的健壮性,在跟踪系统中获得较好效果。     

改进的PID算法在输液加温器中的应用

针对目前市场上的输液加温器在使用过程中常会出现加热温度过高,显示温度与出口温度偏差大的情况。以市售某公司加温器为平台,对加温器的加热过程进行实验研究。在温度控制过程中采用了改进的位置式PID算法,PID参数采用工程整定的方式获得;通过控制可控硅的PWM占空比达到控制加热效果;通过Matlab的曲线拟合功能,获取估测的出口水温与实际出口温度的近似关系。最后经过测试对比,有较好的加热效果和较高的温控精度,符合临床使用的要求。     

改进的多模型融合技术在客服问答系统上的应用

随着人工智能技术的发展,越来越多的公司采用机器客服代替人工客服。但若采用传统关键词模型,则机器客服准确率难以提高;若采用深度学习模型进行训练,则又面临用户问题是短文本时,模型训练和预测效果不佳的问题。针对这些问题,通过深入研究和多次试验,提出一种融合关键词模型和基于字向量的深度学习模型的算法。最后实现了模型的训练和预测,在与传统算法的准确率对比方面展现了优势。     

Proportionally fair load balancing with statistical quality of service provisioning for aerial base stations

Aerial base stations (ABSs) seem promising to enhance the coverage and capacity of fifth-generation and upcoming networks. With the flexible mobility of ABSs, they can be positioned in air to maximize the number of users served with a guaranteed quality of service (QoS). However, ABSs may be overloaded or underutilized given inefficient placement, and user association has not been well addressed. Hence, we propose a three-dimensional ABS placement scheme with a delay-QoS-driven user association to balance loading among ABSs. First, a load balancing utility function is designed based on proportional fairness. Then, an optimization problem for joint ABS placement and user association is formulated to maximize the utility function subject to statistical delay QoS requirements and ABS collision avoidance constraints. To solve this problem, we introduce an efficient modified gray wolf optimizer for ABS placement with a greedy user association strategy. Simulation results demonstrate that the proposed scheme outperforms baselines in terms of load balancing and delay QoS provisioning.     

数据融合技术在车辆轴型识别系统中的应用

为了设计高可靠性和稳定性的轴型识别系统,为高速公路计重收费提供准确的收费依据和降低测轮器的维修成本,对高速公路计重收费的车辆轴型识别系统进行了研究。分析了车轴单/双轮和各种常见车辆的轴型特点及识别原理,提出在称重仪表中利用数据融合技术即把来自轮轴识别器、秤台、轴重、光栅和专家系统经验等数据进行融合对车辆轴型进行综合判断,最终给出正确的轴型编码。现场试验表明该系统不仅在各部分正常工作时能保证99%以上的识别率,而且在测轮器损坏时也能保证97%以上的识别率。     

层次分析法(AHP)在数据质量评估中的应用

对给定数据报表进行应用处理时,由于假数据,缺失数据,冗余数据等对数据质量产生了重要影响。应用层次分析法对原始数据报表进行筛选,而后对数据质量进行排序。通过进一步的数据质量分析,为用户提供更可靠的决策依据。     

锁网终端分析模型的研究与应用

随着3G和4G网络建设的完善,为了降低2G网络的数据业务压力,提高3、4G网络的使用,如何引导客户充分使用3、4G网络成为市场经营的一个重点课题,而终端锁网用户的解锁工作就是其中一个重要组成部分。本文基于大数据分析理论,充分利用网络侧的CS域与PS域多个接口的信令数据,并联合规划、话单等话单数据,开展锁网终端模型的分析研究。,另外本文还介绍了中山地市业务部门应用该模型在2013年精确定位3\4G锁网用户用于实际解锁营销和终端更换营销中,所取得的良好营销效果。     

改进萤火虫算法在Okumura-Hata模型修正中的应用

针对Okumura-Hata模型在不同区域对电波传播衰减的预测与实测难以匹配的问题,提出了一种Okumura-Hata模型修正方法.提取Okumura-Hata模型的各参数作为带约束条件的优化变量,以预测值与实测值的均方根误差和平均误差的加权和构造适应度函数,运用萤火虫算法进行优化实现Okumura-Hata模型在西安市区的本地化.在萤火虫算法中引入了“基因突变”和“优胜劣汰”操作,形成了一种改进型算法.基于大量实测数据的模型修正结果表明,所提方法可使电波损耗的预测值与实测值的均方根误差达到理论最小值9.585 9 dB,具有可行性.与基本萤火虫算法相比,改进的算法全局搜索能力更强,收敛速度更快.