【摘 要】
：
为了配合公司市场部、地市公司等部门进行VoLTE业务发展,提升VoLTE转化率,构建覆盖所有网络、系统、平台和应用的网络质量评估体系,更多地关注客户感知、基础维护、核心场景和质差短板;确保VoLTE质量行业领先,尽可能实现VoLTE独立承载语音业务。基于此,文章依托大数据平台,利用信令采集系统结合经分系统的用户话单数据,对VoLTE潜在用户以及已签约VoLTE但未成功注册的用户进行精准识别和分类归因,做到精准有效指导VoLTE业务发展工作。
论文部分内容阅读
为了配合公司市场部、地市公司等部门进行VoLTE业务发展,提升VoLTE转化率,构建覆盖所有网络、系统、平台和应用的网络质量评估体系,更多地关注客户感知、基础维护、核心场景和质差短板;确保VoLTE质量行业领先,尽可能实现VoLTE独立承载语音业务。基于此,文章依托大数据平台,利用信令采集系统结合经分系统的用户话单数据,对VoLTE潜在用户以及已签约VoLTE但未成功注册的用户进行精准识别和分类归因,做到精准有效指导VoLTE业务发展工作。
其他文献
网络流量分类是网络规划和网络空间安全的一个关键环节,基于端口号和深度包的流量分类方法面临端口可变和流量加密的挑战,基于统计特征的流量分类方法过分依赖特征选取,在扩展性方面存在限制,且手动进行特征选择直接影响分类结果。在日趋复杂的网络环境中,将原始网络流量图像化,使用深度学习的方法实现特征的自动选取成为新的研究领域。文章对基于图像识别算法的流量分类方法进行分析和比较,最后对基于图像识别算法的流量分类
高安全高可靠的相似冗容错架构善于容忍各通道独立产生的错误,因此设计正确的拜占庭容错计算机出现的主要故障为共模故障。减少共模故障最经济最有效的阶段是整个设计和开发阶段。基于形式化方法的VHDL开发策略将基于常规VHDL的自伤而下的数字设计和综合方法与形式规范和验证相结合。此策略是将形式化方法的强大技术过渡到通用数字工程领域的最佳方法。将验证体系结构关键元素和进行VHDL仿真相结合,可有效避免共模故障。
文章提出一种减少IR压降的方法,主要应用在高精度大驱动能力DAC中,用于消除因芯片电路开关阻抗、版图走线以及板级PCB走线等引起的IR压降而导致的DAC精度损失。
在新课程标准的要求下,不再只是关注学生数学知识的掌握程度,而是更加关注的学生学习能力的培养.如果教师在数学课堂中开展生活情境化式的教学,不仅仅可以减轻学生学习数学的难度和压力,还可以培养学生生活方面以及学习方面的能力.
近年来无人机电力巡检技术发展迅速,得到电力行业的普遍认同和广泛应用,随着5G技术的成熟,再融合云计算与人工智能技术,为无人机的云化智能巡检奠定了基础;基于5G专网的云化智能巡检体系,能够通过协同巡检提升巡检效率,通过云化配置降低前端无人机的造价,通过智能飞控降低飞手成本并提升飞控安全性。
首先简述了电阻抗成像(EIT)的基本原理及技术优点和系统构成。建立了EIT的数学模型。其次针对粗、细结合的全域均匀剖分模型重建图像效果不理想而选择改进剖分方式,采用中心局部细剖分和针对目标异物所处位置局部细剖分,根据局部细剖分的算例模型采用修正的牛顿-拉夫逊算法进行图像重构。分别得到两种剖分方式的二维仿真实验成像,并将仿真成像进行比较。实验结果表明:改进剖分模型后仿真图像重建效果较好。
空中高速靶机为实现武器系统对目标特性逼真模拟的要求,需在翼尖装载任务载荷并按照要求执行各类非对称释放,相关非对称释放产生的不对称附加力矩,会对横侧向控制产生扰动。就相关扰动输入对控制系统稳定性产生的影响进行分析,结合系统仿真,确认系统的航向稳定性及高度控制的精度,相关仿真工作可以为具体的工程实践提供指导。
随着云计算、物联网、工业信息化等新技术的发展,以及5G新技术和C-RAN的集中部署趋势,对汇聚机房装机要求越来越高,预期对未来汇聚机房空间合理规划带来更大挑战。可研究方向:规范化汇聚机房空间资源的跨部门协同管理和使用流程,挖掘内部空间分配的最大化算法,建立空间资源管理的支撑手段,实现对空间资源的精细化、智能化管理。
无人机执行侦察任务时需要预先进行组织规划以满足特定的任务要求,将无人机侦察过程分为信息采集和信息回传两个过程,分析了不同类型无人机的探测能力及适用范围,并基于无人机与信息接收节点的不同通信策略分析了四种不同的信息回传方式;最后着重分析了元启发式算法在无人机路径规划中的应用。
对于SAR图像而言,二维图像的维度要远大于一维距离@像的维度。因此,无法直接对高维数据进行处理。为了解决该问题,我们提出了一种利用深度学习技术对SAR图像特征进行离线学习的方法。深度学习是一种通过多层结构进行机器学习的神经网络模型,直接从原始的信息中学习特征。深度学习提出后,在图像识别、语音识别以及目标侦测等许多领域都得到了广泛的应用,并取得了不错的效果。深度学习在不同应用中采取了不同的结构,其中,卷积神经网络(Convolutional Neural Network,CNN)因其可以直接处理二维数据而不