【摘 要】
：
随着各类丰富的移动应用普及,可以预见,未来的无线通信系统将需要满足更为苛刻的服务要求,为无线通信技术的发展带来挑战.另一方面,大数据在众多领域的应用取得了令人瞩目的成功.大数据如何赋能无线通信成为学术界和工业界关注的焦点.过去5年,我们承担了国家自然科学基金"无线通信大数据基础理论与技术研究"重点项目群,致力于研究基于大数据的无线通信技术,探索使用大数据突破无线通信发展瓶颈的新理论和新方法.我们将
论文部分内容阅读
随着各类丰富的移动应用普及,可以预见,未来的无线通信系统将需要满足更为苛刻的服务要求,为无线通信技术的发展带来挑战.另一方面,大数据在众多领域的应用取得了令人瞩目的成功.大数据如何赋能无线通信成为学术界和工业界关注的焦点.过去5年,我们承担了国家自然科学基金"无线通信大数据基础理论与技术研究"重点项目群,致力于研究基于大数据的无线通信技术,探索使用大数据突破无线通信发展瓶颈的新理论和新方法.我们将这类在无线通信中产生、能够服务于无线通信的大数据定义为无线大数据.本文是对项目群的研究和实践结果的总结.
其他文献
欢迎参加CNCC2021本届大会由香港科技大学(广州)校长倪明选担任大会主席,南京大学人工智能学院院长周志华担任程序委员会主席。今年的特邀嘉宾包括ACM图灵奖获得者John Hopcroft教授和Barbara Liskov教授,陈维江、冯登国、郭光灿、孙凝晖、王怀民等多位院士。今年的技术论坛多达111个,将为参会者带来学术、技术、产业、教育、科普等方面的全方位体验。大会期间还将首次举办"会员之夜
大数据时代,针对高维数据的聚类分析已成为数据挖掘的热点和难点问题,与此同时,近年来数据获取方式的重大变革推动了多视角研究快速兴起.多视角子空间聚类能够针对高维数据进行聚类,已成为目前聚类研究的一个重要分支.然而,现有部分方法直接从原始数据学习相似度矩阵,极易受到数据中噪声的影响.因此,本文提出了一种基于本质自表示的多视角子空间聚类方法 (intrinsic self-representation
数字图像抠像与合成问题是虚拟现实中的经典问题.抠像问题需要根据抠像公式,从输入图像准确地提取出前景物体的透明度(α)和前景物体的颜色值,而合成问题仅使用抠像结果与新背景图像进行结合,使其成为新的合成图像.然而,目前很多抠像算法仅局限于抠像部分的α值的计算,忽略了用于后续合成步骤的前景颜色的计算.这实际上仅限于理论研究,脱离了抠像问题的合成应用层面.同时,其他一些兼顾计算前景颜色算法的效果仍然不理想
近年来,深层卷积神经网络在图像超分辨率重建任务中取得了巨大成功,然而复杂的深度神经网络会消耗大量存储空间以及计算资源,严重限制了其在资源有限的移动端设备上的部署.因此降低模型的资源消耗将有助于扩展深度超分辨率网络的实际应用范围.二值神经网络占用存储空间小、计算效率高,激励我们将二值化算法应用于目前的深度超分辨率重建领域,满足现有移动设备对于超分辨率的实际应用需求.因此,本文关注于二值图像超分辨率重
信息技术的发展以及人们对于个人隐私安全重视程度的提升对传统互联网应用的身份认证机制提出了更高的要求,既要实现用户的身份认证,同时也要最大程度地保护用户的隐私信息.与传统的数字签名方案相比,基于属性的数字签名方案天然具有匿名的特点,即属性签名可以隐藏签名者的身份信息,其他用户无法将一个签名链接到签名者的身份(属性集).而在实际应用场景当中,我们通常还需要对用户的身份进行监管,以防止匿名滥用和失信行为
随着物联网技术的快速发展,不同应用在通信范围、能耗、时延等方面的需求推动各种无线通信技术的产生.由于无线通信技术的多样性,异构设备间存在通信壁垒不能进行直接通信.由于信息交互能力的缺失,广泛部署的异构物联网设备相互竞争频谱资源并导致通信干扰日益严重.此外,异构设备间的通信障碍限制了信息共享和资源整合.传统的利用网关实现异构设备间的通信需要额外的开销.研究人员提出了不需要网关设备进行协议间转换的异构
随机控制是现代控制理论非常重要的研究领域.近年来,尽管随机控制理论和应用取得了很大进展,但仍然存在许多新的、具有挑战性的问题.这些问题包括随机系统的故障估计和容错控制问题、受限控制问题、随机线性参数变化系统的鲁棒控制问题等.为了反映这些问题的最新进展, SCIENCE CHINA Information Sciences在2021年64卷第10期组织出版了"随机系统控制与分析专题"(Special
三元空间是由信息空间、物理世界、人类社会所构成,三元空间大数据由信息空间所产生的互联网数据、物理空间所产生的物联网数据和人类社会空间所产生的数据所构成.本文介绍了三元空间大数据的关联复杂性,并针对三元空间大数据关联复杂性这一本质困难,提出解决三元空间异构数据的关联表征这一关键科学问题.传统信息科学往往依据既有的先验信息进行特征表达,并在先验表征空间内分析信息语义及其关联关系.然而,在表征层面所引入
意图识别是对话系统的一个重要组成部分.现有的工作主要集中在使用充足的标记数据进行意图识别.然而,这些方法不能识别训练数据中不存在的意图.为了解决这个问题,我们提出了一种基于隐式网络和显式网络的相似性学习模型,用于零样本意图识别,该模型能够从词级和句子级学习用户话术和意图描述之间的相似性.为了增强意图的表示,我们引入槽位类型作为意图描述.并依据表达方式的不同将意图分为显式意图和隐式意图,分别从词级和
随着COVID-19在全球肆虐,传染病监测有利于阻止传染病传播.而保护监测系统中病人以及数据提供者的隐私能免除他们对隐私信息泄露的顾虑,从而提高系统的数据采集能力.本文提出了一个基于区块链的传染病监测数据聚合方案(lightweight-blockchain based privacy-preserving data aggregation scheme, LBPDA),可以在不依赖可信第三方的情