移动服务质量管理中的KQI定义方法研究

在国内电信运营商运维支撑领域,正在发生着由面向网络管理到面向业务管理的变革,而服务质量管理是新运维模式的关键和建设难点之一。本文总结了与服务质量管理相关的一些概念,结合国际上的研究成果,重点分析了构成服务质量管理的核心要素KQI。随后应用WSMT方法,以国内某移动运营商点对点彩信业务真实案例为说明,提出了开发电信业务KQI的流程,最终实现端到端服务质量管理。     

Enhancing and Relaxing Competitive Units for Feature Discovery

In this paper, we propose a new information-theoretic method called enhancement and relaxation to discover main features in input patterns. We have so far shown that competitive learning is a process of mutual information maximization between input patterns and connection weights. However, because mutual information is an average over all input patterns and competitive units, it is not adequate for discovering detailed information on the roles of elements in a network. To extract information on the roles of elements in a networks, we enhance or relax competitive units through the elements. Mutual information should be changed by these processes. The change in information is called enhanced information. The enhanced information can be used to discover features in input patterns, because the information includes detailed information on elements in a network. We applied the method to the symmetry data, the well-known Iris problem and the OECD countries classification. In all cases, we succeeded in extracting the main features in input patterns.     

Self-Organising Maps as a Relevance Feedback Technique in Content-Based Image Retrieval

Self-Organising Maps (SOMs) can be used in implementing a powerful relevance feedback mechanism for Content-Based Image Retrieval (CBIR). This paper introduces the PicSOM CBIR system, and describes the use of SOMs as a relevance feedback technique in it. The technique is based on the SOM’s inherent property of topology-preserving mapping from a high-dimensional feature space to a two-dimensional grid of artificial neurons. On this grid similar images are mapped in nearby locations. As image similarity must, in unannotated databases, be based on low-level visual features, the similarity of images is dependent on the feature extraction scheme used. Therefore, in PicSOM there exists a separate tree-structured SOM for each different feature type. The incorporation of the relevance feedback and the combination of the outputs from the SOMs are performed as two successive processing steps. The proposed relevance feedback technique is described, analysed qualitatively, and visualised in the paper. Also, its performance is compared with a reference method.     

基于小波对比度和神经网络的图像隐写方法

为使通信安全在传输过程中提供较大的秘密信息嵌入量,并保持较好的载密图像质量,提出一种基于自组织特征映射神经网络和小波对比度的图像隐写方法。将载体图像分成固定大小的小块,采用小波一级分解并计算其小波对比度,利用自组织特征映射神经网络将小块分为3类,采用模算子技术嵌入秘密信息。实验结果表明,该方法有较大的嵌入量并保持良好的载密图像质量。     

芳香/杂环磺胺类碳酸酐酶Ⅱ抑制剂的活性定量预测(英文)

对125个磺胺类碳酸酐酶Ⅱ抑制剂的生物活性进行了预测研究。利用ADRIANA.Code软件计算得到了化合物的一系列2D和3D结构描述符,从中选用了12个描述符进行建模。分别用数学随机划分的方法和Kohonen自组织神经网络的方法把数据集划分成两组不同的训练集和测试集。对于这两组不同的训练集和测试集,分别利用多元线性回归(MLR)和支持向量机(SVM)的方法进行建模,共得到4个模型。其中SVM得到的2个模型,训练集的相关系数在0.92以上,测试集预测的相关系数都在0.90以上。所有模型可进一步用于碳酸酐酶Ⅱ抑制剂的虚拟筛选。     

基于四元数和SOM神经网络的彩色图像边缘检测

针对传统边缘检测方法无法考虑到彩色图像各颜色分量的相关性,以及边缘提取效果受阈值影响的不足,提出一种四元数和自组织神经网络(SOM)相结合的彩色图像边缘检测算法。根据四元数柯西积分公式和四元数矢量积性质,构造图像的边缘特征向量对SOM神经网络进行训练,然后用训练好的SOM网络提取边缘。实验表明,该方法具有良好的边缘检测效果,并有较强的细节保持能力。     

利用遗传算法改进SOM网络初始权值的乐器分类

针对SOM网络在分类中由于其初始权值的随机性而导致的训练次数过多且易陷入局部最小的问题,提出了利用遗传算法改进网络初始权值的乐器分类。仿真实验提取10种乐器的12阶MFCC系数,之后使用遗传算法计算出每种乐器各阶系数的适应度值,并以此作为网络的初始权值,之后使用已赋初值的SOM网络分类。仿真实验结果表明:利用遗传算法改进SOM网络初始权值的乐器分类方法的分类正确率最高可达到83.51%。     

采用SOM的发输电系统可靠性综合评估快速算法

针对目前发输电系统可靠性综合评估算法中蒙特卡罗仿真效率不高的问题，提出了一种利用模糊自组织映射(SOM)神经网络进行状态筛选的可靠性快速评估算法。SOM神经网络具有拓扑特征保持性质，经过训练后的SOM网络具有模式聚类能力，即不同的运行模式被映射到输出平面的相应位置，因而能对暂态稳定性进行判别。由于SOM具有学习训练时间短的优点，因而特别适于可靠性评估。将模糊SOM网络和序贯蒙特卡罗仿真结合在一起对系统状态进行筛选，首先将明显不失稳的无效系统状态筛掉，大大减少了需要完全评估的系统状态数，从而显著提高了综合评估的效率。通过对IEEE—RTS标准算例系统的计算，结果表明所提算法快速有效，具有良好的应用价值。     

自组织(SOM)神经网络在彩色图像检索中的应用

该文提出了一种利用自组织(SOM)神经网络进行彩色图像分类,并从原图中分割出感兴趣的目标子图像,进而进行局部形状检索的彩色图像检索方法。与利用全局特征进行检索的方法相比,此方法具有效率高、速度快等特点,并且被检索的图像受噪声污染的影响较小。     

用SOM聚类实现多级高维点数据索引

高维点数据的索引是基于内容的信息检索的主要研究问题之一，从SOM聚类算法出发，利用自组织映射的良好性能，解决了R－Tree及其变体算法中的边界索引问题，并能适应维数更高的点数据，同时针对传统聚类算法只能组织一级索引的局限，提出了利用SOM网络组织多级索引，并用半径进行剪枝处理的优化办法，实验结果表明，提出的方法不仅克服了传统聚类方法的搜索过程可能产生的查询错误，而且大大提高了索引的构建和查询效率。