不同场景下ANR配置策略及实践

自组织网络SON是4G网络非常重要的一个关键技术(3GPPTS32、3GPP TS36)。ANR是目前比较成熟的SON技术之一,通过ANR可以实现邻区的自配置(Self-configuration)、自优化(Self-optimization)和自操作(Self-operation)。在我国三大运营商的LTE网络中均已将ANR功能上线使用。文章通过在不同场景下使用不同的ANR策略,观察ANR在LTE网络自优化中产生的作用,为LTE邻区优化的学习和应用提供参考。

5G网络ANR功能验证与性能评估研究

目前5G网络大规模建设中,网络变动频繁,且语音和覆盖需要4G网络兜底,因此系统内和异系统邻区配置合理性对用户感知影响较大。为了提升邻区配置质量,有必要进行5G网络ANR功能的试点和研究。基于此,文章开展了5G网络ANR功能验证与性能评估研究,提出了一种ANR开启后功能的性能评估方法,并进行了ANR开通效果对比及经验参数探讨。文章旨在为一线人员提供技术支持,为管理人员提供设备选型的决策支撑。

基于CNN和加权贝叶斯的最近邻图像标注方法

图像标注的准确性在很大程度上关系着图像检索的准确性。然而,传统的基于最近邻模型的图像自动标注方法不能有效提取图像底层特征,并且无法有效建立低级视觉特征到高级语义之间的映射关系,使得近邻图像搜索不准确从而影响图像标注的准确性。针对上述问题,提出了一种改进的基于CNN和加权贝叶斯的最近邻图像标注方法。首先,利用卷积神经网络(convolutional neural networks,CNN)提取图像特征,并依此特征搜索其近邻图像,构建候选标签集合;然后利用贝叶斯后验概率构建待标注图像的视觉特征与标签之间的映射关系;最后通过设定权重优化概率值并排序,得到最优的候选标签进而实现图像标注。在三个基准数据集Corel 5K,IAPRTC-12和ESP Game上进行实验,结果表明该方法在准确率、召回率与F1值上均取得了较好的效果。

顾及邻域相关关系的改进PointNet++网络点云分类应用

机载扫描系统可以快速准确地获取大范围地物坐标,具有无可比拟的优势。机载点云具有其自身的特点,而采用PointNet++网络处理时未能依据机载点云的特点进行设计,其分类精度仍有待提高。鉴于此,提出了一种改进PointNet++网络,该网络将邻域点特征和邻域点间关系特征进行采集,并采用CRF算法对预测值进行全局优化用以增强空间一致性。通过选用ISPRS三维语义分割数据集对改进模型进行了测试,实验结果表明,改进PointNet++网络丰富了机载点云特征的描述,具有较高的分类精度。该成果可为三维地理信息提取提供有力保障。