社交网络交通信息出行者使用意向分析模型

为解决出行者对社交网络交通信息的使用意向缺少定量描述方法的问题,在技术接受模型的基础上,以感知有用性、感知易用性、感知风险性、使用意向等7个潜变量描述出行者的心理感受,构建社交网络交通信息使用意向分析模型,运用结构方程模型定量分析潜变量对使用意向的直接或间接影响效应。最后将模型应用于重庆市出行者实例分析中,结果表明：感知风险性(-0.41)对使用意向具有负向影响,其余变量对使用意向均为正向影响,其中感知易用性(0.48)、感知有用性(0.46)对使用意向的影响总效应最为显著。     

智能化集成媒体通讯技术

多媒体数字化技术集成了文本、图像、声音、动画、视频等方面，移动媒体技术对多媒体的图像、声音质量、传输带宽等都提出了要求，本书讨论了一些适用于第三代移动媒体终端的方法和技术，主要是面向第三代移动服务。     

我看和谐社会下体育新闻报道中的“语言暴力”

在飞速发展的信息时代,媒体作为最主要的传播载体,在建设和谐社会的任务中扮演着不可替代的角色。客观、真实的媒体语言会强化其社会传播的效果,措辞不当的媒体语言则会阻碍社会的和谐发展。当下体育新闻报道的"语言暴力"现象突出,已成为媒体语言对构建和谐社会的一种软性伤害。     

探究SNS（社会性网络服务）网站对大学生的影响——以人人网为例

近年来,以人人网为代表的SNS社交网络在大学生中广泛流行起来。大学生使用SNS网络拓展自己的人脉、开阔自己的眼界,同时也有部分学生沉溺其中影响了正常的学习生活。作为社会未来主要支柱的大学生群体,我们有必要深入了解SNS网络对其的影响,从而给予大学生们意见及建议,使其正确对待、使用社交网络。     

双忙音媒体接入协议中的隐藏节点问题及其改进

针对双忙音媒体接入(DBTMA)协议只能防止发送距离范围内隐藏节点的问题,提出了一种增强的DBTMA改进(EDBTMA)协议,以彻底消除大规模ad hoc网络中的隐藏节点问题.ED-BTMA协议特点有二,一是采用了双收发器结构,其中的一个物理信道(数据信道)为高带宽信道,可利用现有802.11a/g无线设备,二是采用了忙音自适应功率控制机制,这样接收节点根据发送节点的信号强度可动态调整忙音的发射功率,以完全覆盖接收节点周围所有的隐藏节点,并在接收数据的过程中保证接收节点不受隐藏节点的干涉.仿真结果表明,在改进协议下的网络吞吐量平均提高了48%.     

一种基于单播方式提高VoWLAN系统话音容量的方案设计

VoIP(IP语音)与WLAN(无线局域网)两者结合,产生了一种新型的无线话音传送平台:VoWLAN。针对WLAN的研究热点,分析了VoWLAN中存在的容量瓶颈,指出现有解决方案(M-M)存在的问题,提出一种基于单播方式提高VoWLAN话音容量的方案(U-M,Unicast Multiplexing),对VoIP业务性能进行了理论分析和仿真验证。结果显示,U-M方案相对于传统方案提高系统话音容量近一倍,相对于M-M方案丢包率降低10%左右,较好地保证了VoIP业务的服务质量。该方案在以话音业务为主的VoWLAN中节省了系统的功耗,是一种性能优良的提高VoWLAN系统话音容量的方案。     

热点排行

正(新闻时段2014-10-11至2014-10-20)1中国散裂中子源首台设备投装[核心媒体报道频次:22/30]15日,在广东东莞大朗镇中子源路1号十几米深的地下隧道内,中国散裂中子源加速器项目的第1台设备——负氢离子源投入安装,标志着这项国家大科学工程正式从土建转入项目设备安装阶段。该项目预计2017年秋天打出第1束散列中子,2018年春达到国家项目验收标准。中国散裂中子源加速器是发展中国家的第1台散裂中子源,与美国、日本和英国散裂中子源一起成     

社交网络下的谣言扩散与控制研究

基于危机生命周期提出了网络谣言扩散模式的5个阶段,分析了网络谣言扩散的循环过程;基于社交网络节点的星形传播结构以及节点的集团性,提出了谣言控制策略——社区识别,即通过求节点的余弦相似度划分社区,同时确定初始聚类节点选取的原则,据此提出关键节点的控制策略;根据社交网络的拓扑结构,指出对于有较大出度和入度的节点进行控制至关重要.     

新媒体视野下高校图书馆媒体宣传建设研究

随着科学技术进步,新媒体迅速发展,对人们的工作和生活产生了积极的影响,为高校图书馆的媒体宣传建设带来全新发展机遇的同时,也带来了一定的挑战。在这样的发展背景下,高校图书馆管理人员需要与时俱进,紧跟时代发展步伐,准确认知新媒体时代对高校图书馆的影响作用,积极学习借鉴新媒体在各个领域应用的先进经验,优化完善新媒体视野下高校图书馆媒体宣传建设工作。该文对新媒体视野下高校图书馆媒体宣传建设进行了探讨。     

融合时间和地理信息的兴趣点推荐研究

在兴趣点推荐任务中,数据的严重稀疏性限制了模型的推荐性能,并且现有工作忽略了用户在不同时间段访问行为的差异性。针对上述问题,提出了一种融合时间和地理信息的兴趣点推荐模型。该模型首先通过循环神经网络联合学习多种因素;然后利用地理关系模块捕获轨迹中的地理影响。最后,通过一个统一的框架,针对用户工作日和节假日的不同出行需求,推荐不同的访问地点。实验证明,所提模型在兴趣点推荐表现上优于现有模型。