GSM-R在我国铁路通信中的应用及未来发展趋势

随着近几年我国高铁建设步伐的加快,大规模投资建设我国高速铁路网是铁路行业提高竞争力的重要手段,也是我国铁路中长期发展的必然趋势。目前我国高速铁路的运行速度已经达到300km/h以上,为保证行车安全,实现有效的人机控制和提高运输效率,要求建立一个功能更加完善的,技术构成更加先进的铁路通信网。另外,随着我国电信业垄断格局的打破,拥有仅次于中国电信的庞大铁路通信网络的铁道部,可以利用现有的专用网络设施积极参与竞争,向全社会提供高质量的电信业务,就必须打破常规的铁路通信网的接入方式,这就给未来的铁路无线移动通信系统在技术上提出了更高的要求。     

浅析Web2.0——未来的互联网

Web2.0是新一代互联网应用的统称。Web2.0可以说是信息技术高速发展所引发网络革命带来的面向未来、以人为本的模式。Web2.0着重在用户群的解构与重构。Web2.0模式代表未来。     

集群渲染系统远程管理平台的设计与实现

提出了基于渲染管理软件的应用程序开发所采用的方法和手段,通过ASP技术、VC语言技术和数据库技术等多种手段的相互融合嵌入,实现了适合自身情况的集群渲染系统远程管理平台,有效地提升了实验室管理手段和管理水平。     

基于Web内容挖掘的论坛发贴分类推荐技术

随着Internet基础结构的不断扩大和其所含信息的持续增长,Internet用户感觉越来越容易在WWW服务中"资源迷向".目前提高用户使用效率的方法有页面预取技术、站点动态重构技术和Web个性化推荐技术等.因为网站的页面内容才是用户真正感兴趣的,本文应用了一种基于Web内容挖掘的文本分类技术来实现论坛中贴子的分类推荐...     

基于模拟退火算法与隐马尔可夫模型的Web信息抽取

典型隐马尔可夫模型对初始参数非常敏感,采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于W eb信息抽取时效果不佳.文中提出基于模拟退火算法与隐马尔可夫模型的W eb信息抽取算法.通过实验比较选择最佳的模拟退火算法参数,结合Baum-W elch算法优化隐马尔可夫模型并应用于W eb信息抽取.实验结果表明新算法在信息抽取的精确率和召回率都有明显的提高.     

“互联网+”时代下Web3D技术给医学高职高专教学改革带来的机遇与挑战

Web3D技术因其具有逼真的3D图形显示能力、友好的交互功能以及易于在网络上传输的特点,适于将其应用于"互联网+"时代下的医学高职高专教育教学活动中。Web3D技术在医学高职高专教学中的应用,在为"互联网+"时代下的教育教学改革提供了重要发展机遇的同时,也随之带来诸多问题与挑战。本文首先介绍了"互联网+"时代下Web3D关键技术的基本概念,在此基础上深入讨论了互联网+"时代下Web3D技术应用于医学高职高专教学中所面临的机遇与挑战。     

体育场馆空间信息云存储与服务技术研究

基于移动互联网的体育场馆管理与服务应用平台中需要海量的空间信息数据作为支撑.空间信息中包括海量的非关系型数据,传统的关系型数据库显然无法满足海量空间信息存储与服务的需要,而基于云计算的非关系型数据库与分布式文件系统却是有效的解决办法.针对体育场馆空间信息不同的数据形式,分别采用了不同的数据模型,同时为了提高数据的存储与服务性能,采用了集群技术.文章提出的体育场馆空间信息的存储与服务解决方案为体育场馆智能化管理与服务提供了有力的技术支撑.     

一种支持数据渗透迁移的片上缓存模型研究

分析一种支持数据在处理器片上如流水般浸润迁移的渗透缓存层次模型,以及片上数据渗透迁移的基本算法.为了仿真验证渗透缓存模型的有效性、分析该模型及其上的数据迁移算法的性质,本文给出了描述渗透迁移模型基本结构的构成关系、渗透迁移数据的形式化方法.仿真实验结果表明:该模型在改进处理器访存的命中率方面具有明显优势.     

Hadoop集群效能建模与评价

随着大数据技术的研究深入,Hadoop集群效能问题越来越引起业界的关注.如何有效地利用计算资源,使有限的资源发挥出最大的效能,成为大数据应用中一个迫切需要解决的问题.本文对Hadoop集群效能进行建模研究,建立以Hadoop集群单位时间完成的任务量与消耗能耗的比值来定义的Hadoop集群效能度量模型,并且基于该模型给出测量Hadoop集群效能所需的参数和度量方法.对不同硬件配置的Hadoop集群,选取CPU密集型和L/0密集型任务进行效能测试与评价.由测试结果可以得出机架服务器组成的Hadoop集群适合处理TB级的大规模数据,而PC组成的Hadoop集群更适合在要求不十分苛刻的场景处理10GB级及以下的中小规模数据,对生产环境中的Hadoop集群选型具有一定指导意义.     

中文网络评论中的产品特征情感倾向提取算法研究

Web中的客户评论信息挖掘是大数据分析中的一项重要内容.分析客户评论中所包含的产品特征情感倾向,不仅可为消费者购买产品提供更具体的决策支持,还能有效帮助企业改进产品质量.针对商业应用的实际需要,提出了一种自动从中文客户评论中抽取产品特征并判断其情感倾向的方案.基于frequent pattern-tree (FP-tree)方法提取产品特征,结合基于语料库的方法和依存句法分析方法识别关于产品特征的主观评论语句、情感词及其情感词的依存关系,综合考虑情感词、否定词、程度词计算产品特征的情感倾向值.采用公开数据中的600篇手机评论作为实验数据,检验了算法的准确性.对比分析的结果说明,算法有很好的应用潜力,能够有效地从网络评论中获取有价值的商业信息.