旅游法实施背景下网友对“导游员”工作的感知——基于新浪微博文本分析

以2013年国庆期间新浪微博网友关于“旅游法”和“导游”的原创微博为样本,采用数量分析方法,分析网友对旅游法实施后导游工作关注程度的变化以及对旅游法的支持程度,研究表明,国庆期间网友对旅游法实施后导游工作的关注日益增加,认为旅游法的实施对导游工作有正面影响的网友占大多数.使用词频统计法和共现分析法进行内容分析,网友对导游工作的感知主要包括：导游工作需要旅行社和游客的支持和理解;支持旅游法对无证导游的惩罚,但是惩罚力度不足;旅游法对强制消费的约束已初见成效,但部分网友表现出对部分导游工作态度消极的不满;旅游法实施后导游收入下降明显.     

基于自适应多特征表观模型的目标压缩跟踪

针对压缩跟踪算法中表观模型的视觉表达特征单一、统计模型缺乏柔性的问题,提出一种自适应的多特征表观建模方法.该方法引入了对梯度、边缘等图像细节描述能力更强的Surf特征,并通过构建两级观测矩阵解决多维特征的观测问题,与亮度特征进行融合,使视觉表达更加丰富、全面;通过计算正负样本特征所服从的概率分布曲线的Hellinger距离,分析特征对目标和背景的区分能力,自适应地调整统计模型中各特征之间的权重,使统计模型能更好地利用对目标跟踪有益的信息,根据目标和背景的变化及时进行更新.实验结果表明:该自适应多特征表观模型能更加准确地描述实际场景中目标和背景的复杂变化,在保持高效率的同时,极大地提高了跟踪算法的鲁棒性和准确性.     

事件驱动的灾害监测传感网中的节能数据传输

为事件驱动的灾害监测传感网提出一种基于分簇和协作MIMO的节能数据传输方法C2 MIMO。首先,在网络中构造监测簇和中继簇,从簇中选出一个主簇头和若干个从簇头,它们充当协作MIMO的协作发送节点和接收节点。随后,利用协作传递的方法将数据从监测簇逐簇传递,直到交付给Sink节点。从协作MIMO的能耗模型和仿真实验的结果可知,C2 MIMO能够较好地适应长距离的中继传输,并对信道恶化具有较强的忍耐能力。     

基于指数熵的认知无线电频谱感知算法

针对目前认知无线电中频谱感知技术在低信噪比下检测性能差、对噪声功率不确定性鲁棒性差等问题,提出了一种基于指数熵的频谱感知算法。该方法根据H0、H1下接收信号熵特性的不同,估计接收信号的指数熵,然后通过与预设的门限进行比较,进而判断主用户信号是否存在。该方法的主要优点为:具有对噪声功率不确定性具有鲁棒性、不需要信号的先验知识以及在低信噪比下可以得到较高的检测概率。Monte Carlo仿真结果表明:在噪声功率不确定性为3dB,采样点数为1024的情况下,当信噪比大于-8dB时,可以达到100%的检测概率。     

基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计

原始的压缩采样匹配追踪算法依赖于已知稀疏度,因此本文研究了一种稀疏度和稀疏信道联合估计算法。首先提出了一种新的稀疏向量的替代,能够在有限长度的训练序列下,达到较好的稀疏度和信道估计效果。然后通过对稀疏信道估计中的噪声分量的分析,提出了一种稀疏度估计算法,结合信道估计最终给出了一种稀疏度和稀疏信道联合估计算法。仿真结果表明：新的稀疏向量的替代在稀疏度和信道估计方面都有明显的优势,并且提出的稀疏度和稀疏信道联合估计算法在性能上好于mCoSaMP算法。     

北斗智慧旅游综合服务系统

所属单位 航天恒星科技有限公司 产品简介 北斗智慧旅游综合服务系统是利用北斗位置服务技术,依托云计算技术平台、结合物联网感知能力形成的综合性旅游服务系统。其利用北斗卫星导航位置服务／短信服务、北斗应急通信、卫星／3G数据链路、物联网感知设备,以及云计算的高速数据存储、分析能力和平台管理技术,是一种满足旅游行业的高效率、智能化的交互综合数据服务系统,     

基于顾客感知价值的服装品牌跨界实证研究

基于顾客感知价值模型,以快时尚品牌HM与意大利奢侈品牌Versace的跨界合作为例,通过测量量表和问卷调查收集数据,对数据进行SPSS分析,研究了HM与Versace跨界前后,顾客感知价值的变化情况,进一步提出品牌跨界合作策略下的顾客感知价值模型。通过此研究可指导服装企业进行跨界营销策略的制订。     

三种线性Bregman迭代重构算法性能分析

针对线性Bregman迭代在压缩感知稀疏信号重构中具有良好的重构性能和抗噪性能,从理论上对三种典型的线性Bregman迭代重构算法进行了分析比较,给出了算法的步骤和应用条件,然后基于CS重构指标进行了综合的仿真与分析,最后给出了三种算法的关系以及相应的结论。     

基于对角化LDPC压缩感知和k-近邻算法的广域系统宽频振荡监测方法

在"双高"电力系统中,宽频振荡的发生概率大大增加。然而,传统基于广域测量系统(wide area measurement system,WAMS)的振荡监测方法一方面监测的振荡频带范围过窄,另一方面其准确性和快速性难以适应复杂的电网运行状态。因此提出一种基于对角化低密度奇偶校验码(low-density parity-check codes,LDPC)校验矩阵和k-近邻算法(k-nearest neighbor,KNN)的宽频振荡监测方法。首先,基于对角化LDPC校验矩阵对电力系统信号进行压缩采样,大大减少了宽频振荡的数据传输量,有利于在现有相量测量单元(phasormeasurementunit,PMU)上传频率下实现几百Hz的宽频振荡数据的传输。在此基础上,主站直接基于压缩采样值作为输入特征,采用加权KNN算法进行振荡检测,避免了人为设置阈值带来的误判,提高了振荡检测的快速性和准确性。最后,根据振荡检测结果,采用正交匹配追踪(orthogonalmatchingpursuit,OMP)算法,在主站准确重构宽频振荡信号,便于广域系统的振荡全局性分析。仿真结果表明所提方法在噪声、数据缺失和数据有误等情况下,仍然能够实现宽频振荡信号的快速准确监测。     

基于深度学习的泛在电力物联网应用场景分析

建设安全、稳固且信息共享的泛在电力物联网是当前电力行业的研究重点.随着人工智能技术的不断发展,深度学习以其优异的数据处理能力、强烈的态势感知能力广泛应用于各行各业.基于此,总结泛在电力物联网的基本结构、关键技术及深度学习基本理论,对深度学习在电力行业的应用进行论述,为深度学习在泛在电力物联网中的应用提供借鉴.