基于数字孪生技术 打造云网预知系统

<正>蓬勃发展的万物互联和融合智能化为ICT产业带来了新的发展机遇与挑战。IP网络承载大量跨地市、跨省甚至跨国的语音及数据业务,网络配置变更包含大量高危操作,必须慎重,否则会造成巨大的损失。例如网络中一个细小的路由配置错误可能导致很广的波及面,给运营商和用户造成巨大经济损失,中断的时间越长,运营商额外承担的成本就越高,甚至可能影响社会的正常运转。即便网络维护工程师慎之又慎,由网络配置变更导致的网络故障占比依然高达80%。     

基于特征包支持向量机的手势识别

针对类肤色信息或复杂背景的影响,难以通过手势分割得到精确手势轮廓而对后期手势识别率与实时交互的影响,提出了一种基于特征包支持向量机(BOF-SVM)的手势识别方法。采用SIFT算法提取手势图像局部不变性特征点,将手势局部特征向量(尺度不变特征变换(SIFT)描述子)进行K-means聚类生成视觉码书,并通过视觉码书量化每一幅手势图像的视觉码字集合,以此获得手势图像的固定维数的表征向量来训练支持向量机(SVM)多类分类器。该方法只需框定手势所在区域,无需精确地分割人手。实验表明,该方法对9种交互手势的平均识别率达到92.1%,并具有很好的鲁棒性及实时性,能适应环境的变化。