感知无线云网络中基于传输时间的节能优化方案

在感知无线云网络中,针对感知用户数据传输时发生冲突造成能量浪费问题,给出了一种移动云计算辅助下基于感知数据传输时间优化的终端节能方案。通过云平台强大的计算处理能力对感知用户业务量进行统计分析,并导出了不可靠检测区域;在此基础上,采用感知用户不可靠检测概率为目标函数,使不可靠检测概率最小的同时,计算出感知用户最佳的数据传输时间,并根据业务量对感知用户的传输时间进行自适应调整,实现对感知用户的宏观调控,从而节约系统中感知终端的能耗。仿真结果表明,该方案使得感知用户的碰撞概率降低,提高了感知用户数据传输可靠性,并降低了由于数据碰撞造成的终端能耗。

基于智慧医疗的“感知云服务”技术创新与模式探索

创新在现代智慧医疗中不仅体现在"健康云"及硬件设施的构建上,更体现在其所提供的可感知泛在式服务上。本文提出了"感知云服务"的概念,并从技术创新视域对其进行了相关技术探索。最后,本文从智慧医疗服务模式的多维视域出发,对"感知云服务"的"健康感知云服务"、"公卫感知云服务"、"知识感知云服务"三个具体维度进行了详细阐释。

移动云环境下基于云服务感知的位置更新

由于移动设备续航能力的限制,如何平衡性能和能耗成为关键问题.为解决此问题,本文提出了基于云服务感知的位置更新机制,不同于传统的周期性注册更新,可以有效降低位置更新时间和消息传递次数,从而节省电量消耗.

物联网商业模式和物联网应用——感知云远程医疗诊断物联网实施方案

从边界形状云可分点云、层云、云顶、云端、离散云(云块)、群集云(云团)。从云层可分低云族(层积云)、中云族(高积云)、高云族(卷层云)。现将计算机网络技术比如为"云",就必须具有云特征:层次性、冗余性、集群性、移动性。本文以感知云远程医疗诊断物联网实施方案,以完成的具体项目说明云技术。简述云技术的分散部署,集中管理、远程托管,数据隔离、一个窗口,多个桌面、远程接入,虚拟医院、分布存储,资源共享。概述了感知云物联网平台核心技术,即(工业自动化控制+云桌面+云块调入与广播)三位一体服务于用户异构通讯技术(IHCT),实现远程数据采集、数据传播、数据发布、远程设备监控与通讯。将PaaS桌面服务(Platform as a Service),SaaS软件服务(Software as a Service),TnS终端服务(Terminal network as aservice),CaaS组态服务(Configuration as a service)有机结合在一起。包含:通讯技术,集群技术,冗余技术,桌面映射技术,异构技术,云端接入、登录、访问、广播技术,电信级托管技术等等高新科技的有效结合。

云计算在移动环境下的多融合服务研究

云计算是一种新型的基础服务共享架构方法,是分布式计算的重要发展里程碑,云计算可以看作是网格技术与基于移动环境感知的动态虚拟计算的有机融合。基于方面的云计算架构与SOA相结合,基于该框架来描述和表达移动实体之间以及无线运动智能动态服务之间的交互与协调,描述它们之间的可信的通信活动以及移动实体或服务与所在环境的交互活动。基于云计算的多融合服务组合是构建上下文环境服务组合的有效方法,多融合服务在原有服务提供的同时,云计算环境感知实现异构信息的有机匹配,体现多融合信息的动态特性和多种形式的融合。

云养殖服务平台的设计

水产养殖一直是困惑农户的问题,养殖的品种和质量需要不断的提升,才能为农户带来更好的收益,现代科技的发展,虽然有不少养殖都已融入传感感知,但是缺少系统的统筹和数据分析,农户的养殖仍然存在盲目性,本设计可为农户的养殖提供更精准的服务。

智慧矿井的云照明监测系统设计

历年矿井安全常常困扰地方采矿安全,对社会舆论影响起到致命影响和采矿人民生命带来威胁,科技的发展为矿井云智慧带来启迪,本系统则是采用云智慧服务,为矿井的云照明监测提供平台,尽可能减少生命的威胁,为采矿撑起一片安全的云彩。

基于云家庭的智慧系统设计

基于云家庭的智慧系统设计,采用四层架构完成,云感知采集层、云网络传输层、云服务分析层和云家庭应用层,研究云家庭应用模块,提供更优质的互联云服务。逐步深入设计云家庭的各个智慧子系统,分析并子系统之间的数据引导,建立健康的云家庭环境。

基于改进PointRCNN的3D点云目标检测

针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neural Network)的方法。整个框架分为2个阶段。第一个阶段是自下而上生成3D建议,第二阶段执行建议的RoI的感知点云汇集操作,对每个3D方案中的点云信息进行分组,并在坐标中改进3D建议。引入RoI感知点云汇集模块来消除点云上进行区域合并时的模糊性,从而更容易地提取出有区别的特征。通过在KITTI数据集上证明了改进的Point-ANN方法相比于其他网络在3D点云目标检测时精度更高。