摘要：目的探索界面设计中的色彩体系搭建技术,辅助设计师进行人机交互设计,提升工作效率。方法分析当前互联网产品界面设计中色彩体系的应用场景及其搭建理论和方法。利用Web技术,开发一款快速生成批量色彩以辅助建立色彩体系的工具。工作流程为程序获取到用户的目标主色色值以及预生成的色彩数量,基于HSB色彩模型,生成一定数量辅助色并利用灰度公式自动矫正色彩参数以达到视觉刺激同频,在得到矫正后的辅助色后,通过自动计算色相、饱和度、明度来生成每一个辅助色的序列色板。此外提供用户手动调整自动生成的辅助色的功能,得到的色彩规范可以随着工具的插件版安装至UI设计软件Sketch中,供设计师进行配色工作。结论工具的推出为视觉设计师的色彩体系搭建提供了快速处理能力,其高效性、科学性和便于传播性极大地提高了界面配色的美观性和统一性,有利于构建良好的用户体验,对产品研发团队具有一定的增值意义。

摘要：针对声纹识别领域中存在信道失配与对短语音或噪声条件下声纹特征获取不完全的问题,提出一种将传统方法与深度学习相结合,以I-Vector模型作为教师模型对学生模型ResNet进行知识蒸馏。构建基于度量学习的ResNet网络,引入注意力统计池化层,捕获并强调声纹特征的重要信息,提高声纹特征的可区分性。设计联合训练损失函数,将均方根误差(MSE,mean square error)与基于度量学习的损失相结合,降低计算复杂度,增强模型学习能力。最后,利用训练完成的模型进行声纹识别测试,并与多种深度学习方法下的声纹识别模型比较,等错误率(EER,equal error rate)至少降低了8%,等错误率达到了3.229%,表明该模型能够更有效地进行声纹识别。

摘要：结合中国移动清算业务场景介绍传统架构下中国移动漫游清算系统的历史容灾方案,分析传统架构下容灾方案的局限性。为更好的适应服务化和云化的趋势,提出一种基于平台服务的通用容灾方案,此方案可以适用于基于云的部署,对基础设施特别是存储服务与复制能力的要求相对降低,并减少对环境、硬件等资源的强依赖,可作为较为通用的容灾方案。

摘要：通过对网络数据运行状况的分析,认识到影响网络安全态势感知平台使用中存在的问题。旨在通过问题的分析进行网络感知平台的设计及整合,改善网络信息使用中存在的问题,积极构建有效的网络安全态势感知策略,以满足当前网络数据资源的使用需求。

摘要：本论文提出了一种基于行为序列对比的需求智能挖掘方法,主要应用于RPA、人工智能和界面自动化领域。该方法包括数据采集、数据处理和数据输出三个模块,能够实现对用户操作行为的自动记录、对行为序列的切分和聚类,以及对公共序列的提取,从而生成需求定义文档和RPA流程。本方法具有较高的自动化程度和鲁棒性,可有效提高需求分析和流程设计的效率。

摘要：中移(杭州)信息技术有限公司(以下简称:中移动杭研)是中国移动通信有限公司的全资子公司,一直以来承担着"智慧家庭运营中心"的重要职责,致力于推动中国移动全网智慧家庭业务实现规模化、高质量发展。随着中国移动在家庭市场的逐年深耕,智慧家庭运营中心敏锐地捕捉到视频监控这个于国于民都具有长远意义的服务场景,为了打造服务于全国的家庭安防平台,终端设备、传输网络、云端调度和存储、转码等都需要进行科学合理的规划设计。

摘要：针对协方差矩阵计算复杂的局限性以及系统中各种测量噪声及误差等非平稳项对定位精度的影响,在EKF和UKF滤波算法的基础上,本文采用一种基于时间序列的ARIMA-UKF算法,能够更快地收敛于后验理论误差下界PCRLB。接着通过目标的运动模型对机载观测平台的机动轨迹进行设计,通过计算机载观测平台在“一步最优”状态下每一时刻的次优航向角,给出基于FIM行列式最大指标的运动轨迹设计方案,仿真和实验结果显示,平台在最优机动时比不机动时有着更高的定位精度,探测距离为200 km时,匀速、匀加速和singer运动模型下的目标测距误差均能达到0.6 km以内,测距误差可达到0.398 km,误差百分比达到0.2%以内。

摘要：针对光伏功率输出的随机性,以皮尔逊相关系数确定影响因素,用最佳相似日及预测日的气象因素作为输入,预测功率输出,设计了基于皮尔逊相关系数和最佳相似日的径向基函数神经网络预测模型。用光伏电站的气象数据对模型进行训练和预测,结果表明模型具有较好的预测能力。

摘要：本文提出一种嵌套U型槽结构矩形微带馈电多频平面天线,可用于全球移动通信系统、全球微波接入和无线局域网。三个工作频段由一对互相嵌套的U型槽和矩形结构实现。所设计的天线尺寸为40×30mm2。结果表明,该天线的10dB阻抗带宽分别为130MHz、240MHz和170MHz。该天线在三个工作频段上均表现出良好的辐射方向图和可接受的增益。

摘要：在无人机最后一公里配送场景中,现有的云计算架构存在高时延问题,无法满足人工智能应用的执行需求。边缘计算架构通过将计算资源下沉到边缘,以其低时延、高计算能力的特点,可以满足人工智能应用的需求。但是目前的研究大多局限于单个边缘服务器,缺少并行协同框架的设计。为了解决该问题,本文首先根据移动边缘计算环境和无人机最后一公里配送过程的特点,充分考虑边缘服务器的计算负载问题,设计了基于端边协同的多边缘服务器并行任务处理框架;然后在该框架上对最短响应时间优先的任务调度算法进行改进,设计了α-SSLF算法。该算法能够考虑在网络实时数据率不稳定的情况下,充分优化任务执行时间。结果表明,基于端边协同的多边缘服务器并行任务处理框架在处理时延上优于传统的串行任务处理框架。