共查询到20条相似文献,搜索用时 15 毫秒
1.
针对网关发现过程中因非对称链路的存在而造成节点盲目转发无效路由信息并导致性能恶化的问题,提出了一种移动自组网(MANET)与Internet互联的自适应综合网关发现算法.该算法对AODV协议消息进行扩展,通过转发捎带有本地连接信息的路由发现消息和网关通告消息,有效避免了全局路由建立于非对称链路之上.同时,采用一种高效自适应网关发现策略,根据网络状态动态调整网关通告的广播范围和发送间隔,实现网关通告的最佳覆盖.仿真结果表明,该算法能够获得良好的网络互联性能,并保持合理的网络控制开销. 相似文献
2.
3.
4.
5.
6.
7.
0.前言在交换机的日常维护的工作中很少能到七号信令中的路由选择及链路选择域的应用,但如果进行信念网负荷统计时,发现某些端局到信令转接点的组内负荷及组间负荷严重不均,在进行信令网优化时,就有必要了解一些日常很少接触的路由选择及链路选择域的相关知识了。1.MTP负荷分担原理(1)业务消息在MTP部分的负荷分担,主要取决于利用消息的SLS来计算消息出局路由和链路的算法。对于编路到某目的信令点的消息而言,如果算法正确灵活,则能根据SLS变化有规律地将所有消息均 相似文献
8.
9.
本文研究面向智能电网的5G高可靠低时延下行链路资源调度方案,提出一种基于神经网络的调度方案。所提的方案同时考虑eMBB(Enhanced Mobile Broadband)与uRLLC(Ultra Reliable Low Latency Communication)两种业务。首先本文对比例公平算法进行了改进,以为各个用户分配资源,其次,利用DNN神经网络的方式对eMBB用户的解码成功率进行预测,并据此计算出各个用户的吞吐量损失并设计出可行的穿孔方案,旨在最小化uRLLC用户穿孔对eMBB。仿真结果表明,所提方案在eMBB用户的吞吐量和可靠性性能都得到了保证。 相似文献
10.
11.
本文对802.11b MAC协议做了部分改进,加入了功率控制机制,进而提出了一种改进的功率控制MAC协议。在Ad Hoc网络中应用两种不同的协议用OPNET网络仿真软件进行了仿真,并对仿真的结果进行了分析。 相似文献
12.
13.
研究旨在利用聚类分析方法探究荷斯坦奶牛后备牛阶段影响其头胎产奶性能的因素和后备牛最佳生长模式。试验以我国西北地区某万头牧场2 236头荷斯坦后备奶牛为研究对象,以生长发育、疾病、繁育等相关数据为基础,通过聚类、差异性比较和相关性检验进行分析。结果显示,通过k-means聚类分析,最优聚类结果显示为三类,分别定义为优等水平后备牛(EH:25%)、良等水平后备牛(GH:21%)和中等水平后备牛(MH:54%)。产犊前患病总天数、断奶重、产犊前患病次数、出生到断奶的平均日增重(ADG1)等4个变量为影响后备牛头胎生产性能的关键因素,且在类间差异达到显著水平(P<0.05)。相关性分析显示,初生重、断奶重、ADG1、断奶到6月龄的平均日增重(ADG2)、6月龄到12月龄的平均日增重(ADG3)、初配年龄(AFB)、初产年龄(AFC)等与305 d产奶量和高峰奶量呈显著相关(P<0.05)。研究表明,试验筛选出了有利于头胎牛生产性能达到最佳的后备牛生长模式:平均断奶体重达到103.25 kg,AD... 相似文献
14.
15.
16.
<正>(一)母猪产后无乳少乳原因1.母猪选留与利用年限不当。误选乳房发育不良的后备母猪留作种用,如乳头内翻,瞎乳头等,无效乳头是不起作用的,所以总泌乳量就会减少;错误地选择泌乳性能差的母本的后代留作种用,如杜洛克猪的泌乳能力相对较差,如果选择"杜、长、大"商品猪或泌乳性能差的母猪的后代留作种用,发生泌乳障碍几率大。 相似文献
17.
黑凤鸡,即是黑丝羽乌鸡,是中国乌鸡中的珍品。但其在我国曾一度濒临绝迹,近些年才从国外引进原产于我国的黑毛乌鸡,经多代纯化提高育成了现在的黑凤鸡。因此,该鸡的繁殖技术很重要,现将其简介如下。1种鸡的选择为纯化和提高中国黑凤鸡的种用性能,必须进行本品种繁育,重视家系选择和后裔选择。种鸡利用期为1 ̄2年,每年要在后代中选择优良个体组成后备鸡群,做好系谱记录,对留种后备鸡要按不同家系(或品系)分栏饲养,防止近亲交配,以提高生产性能。种鸡6月龄开产,开产前2个星期按黑凤鸡特征严格进行选种,种鸡应具备中国黑凤鸡的“十大”品种特征… 相似文献
18.
提出了一种可以适用于未来广播业务的自适应协同中继协议,并利用矩母函数和拉普拉斯逆变换的方法,分析了该协议在衰落信道下的中断概率性能,得到了其中断概率的近似表达式,并与现有的解码-转发协议进行比较,获得了两种协议的各自适用场景.结合数值仿真与理论分析结果,进一步分析了工作中继数量、功率分配以及中继位置对系统性能所造成的影响,证明了本文协议具有的优势和特性. 相似文献
19.
20.
【目的】评估建立奶牛疾病预测模型的6种机器学习(machine learning, ML)算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树(Decision Tree, DT) C5.0、CHAID算法、人工神经网络(Artificial Neural Network, ANN)、随机森林(Random Forests, RF)、贝叶斯网络(Bayesian Networks, BN)和逻辑回归(Logistic Regression, LR)6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT... 相似文献