網絡資源論文范文
前言：我們精心挑選了數篇優質網絡資源論文文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。
第1篇
論文關鍵詞：精品課程網絡資源庫SCORM共享
1精品課程網絡資源建設中存在的主要問題
近年來，國內各高校紛紛響應教育部的號召，大規模進行精品課程及其網絡化建設。然而，精品課程網絡資源的共享性和復用性作為其中的一個重要問題，引起越來越多的關注。一方面，精品課程網絡資源分散且孤立，嚴重阻礙課程資源在高層次、大尺度上的共享和交流:另一方面，各高校都根據自己的需求定義出系統內部的資源描述格式或者使用己有的資源格式，并以不同方式組合，直接導致現有的精品課程可移植性差，造成教育資源重復建設、開發的局面。
因此，要想在最大限度上利用現有的精品課程網絡資源，必須在共享資源的制作和管理上遵循標準化原則，實現資源復用和協同操作。基于知識管理的SCORM(SharableContentObjectReferenceModel，可共享內容對象參考模型)標準及相關技術為實現此目標提供了強有力的支持。
2知識管理視野下的SCORM規范
JerenmyGalbreath將教育領域的知識管理定義為;知識管理就是應用技術工具和程序來處理數字化存儲教育領域的知識和智慧，并通過網絡使整個教育領域的知識和經驗得到傳播、共享和訪問。
SCORM是在己有的網絡教育技術標準的基礎上建立的具有可訪問性、協作性、持久性和可重用性的特定模型fa7。通過對學習內容單元的元數據在開放系統進行登記，允許人們通過開放機制對其進行搜索、鏈接、組合、交換，以支持教育資源的有效利用和學習系統自動智能地發現、組建、共享和擴展教育資源，方便地實現知識的管理。
3系統設計
3.1課程設計及制作
1)課程學習對象的制作。學習對象的制作包含學習內容的制作和學習對象’的元數據描述。許多軟件已經具備將課程資源制作成學習對象元數據的功能，如Thesis(它支持MicrosoftOffice.Flash.DreamWeaver)3,ReloadEditor2004等應用軟件，不僅可以用來創建和配置符合SCORM標準的多媒體學習內容，而且內容可以在任何符合SCORM標準的學習管理系統上運行。
2)課程學習對象開發。課程學習對象開發包括交互代碼嵌入和學習對象包裝。交互代碼包括AP工，提供學習者交互信息的表單和傳遞javascript的函數。學習對象的包裝主要為學習對象創建元數據文件、內容清單文件和包交換文件。學習者可以從其中提取必要信息注冊到學習資源注冊系統，而學習對象本身則存儲在某個LMS(LearningManagementSystem，學習管理系統)的學習資源庫中。
3)課程包裝。課程包裝是把整個網絡課程看作一個學習對象，為其構建元數據文件、內容清單文件和包裝交換文件。課程包裝的操作可以參照上述學習對象包裝，但是在構建內容清單時最好采用子內容清單的方法構建。
4)課程與LMS集成(圖1)。LMS提供學習內容傳送，跟蹤、報告、管理學習內容和學生學習進度、學生交互等一整套功能}4aoSCORM中LMS被看做是一個智能化服務端，由它決定傳送什么課程資源，何時傳送以及進行學習管理。將精品課程與支持學習對象標準的LMS集成能更好地適應不同學習者需要以及跨平臺等特性。集成時可以將整個網絡課程的包交換文件直接導入，也可以分學習對象逐個導入，LMS通過解析內容清單文件即可生成課程目錄。
3.2數據庫設計數據庫采用SQLServer2003，分為3大部分，即基本信息庫、XML數據庫和課程庫。基本信息庫用來存儲課程和用戶的基本信息;XML數據庫是對學習者學習過程進行記錄的數據庫，其中每門課程、課程的每個SCO都有自己的XML文件;課程庫則存儲所有的課程。
3.3系統結構設計如圖2所示，資源庫系統采用B/S多層模式結構，軟件層采用J2EE平臺及JSP}--Servlet十JavaBean的開發結構，從而保證系統具有良好的可維護性、可擴展性。
4關鍵技術的實現
4.1SCO與LMS間接口的技術實現在對SCO進行Wrapper時，建立APIWrapper.js這樣一個javascript文件，分別對應上述APIAdapter的API函數建立相應的function，示例如下:
FunctiondoLMSInitialize(){Varapi=getAPIHandle();
If(api==null){Alert“無法完成LMS的API啟動”);
Return"false";}
Varresult=api.LMSInitialize(““);//此處調用Adapter和LMS間的通信
If(result.toString()!=”true”){Var
err=ErrorHandler();}
Returnresult.toString();}
在建立好相應的AP工Wrapper.js后，就可以在制作的學習對象中實現對這些function的調用，以完成SCO與Adapter間的通信。例如，在可執行學習對象中加入這樣一段javascript:
javascript:……
Varresult=doLMSInitialize();
If(result!一true){..…}
Result:=ReadURL(“javascript:
doLMSInitialize()”，100)
這樣就初步實現SCO與APIAdapter間的通信，也為LMS的Launch工作做了初始化。但是對于LMS還是無法使用和顯示，因為APIWrapper.js只是對SCO的一個打包過程，使它符合DataModel，并沒有實現與Server端的LMS進行通信。要實現這一步，需要在Server端建立一個APIAdapter.java來完成Adapter與ServerLMS的通信，實現DataModelSCE的數據傳送。
4.2學習對象顯示
接口的技術實現APIAdapterApplet.java是一個嚴格按照標準制定的類，通過編寫該類實現sco在LMS中的通信和共享所需要的符合SCORM規范的API。該Applet在LMS啟動時自動啟動，在該類中實現全部的API函數，以LMSInitialize為例:
PublicStringLMSInitialize(Stringparam)//SCO調用的第一個且唯一調用的API
{Stringresult;
Result=cmiBooleanFalse;//初始化為未啟動
StringtempParm=String.value0f(param);
If((tempParm.equals("null”)日tempParm.
equals(“”))!二true){
This.1msErrorManager.
SetCurrentErrorCode("201");
Returnresult;}
第2篇
關鍵詞：醫院計算機網絡信息資源醫院信息資源管理
引言
計算機網絡信息技術是現代社會進步的一個重要標志，隨著計算機技術和現代通訊技術的發展和影響，人類社會已經步入以數字化信息和網絡化信息為特征的知識經濟時代時期，在計算機網絡信息技術快速發展的巨大影響下，醫院也進入了網絡信息資源管理時期。而經過100多年的發展，醫院信息管理的過程已經經歷了傳統管理時期，技術管理時期，信息資源管理時期，現在正逐漸向“網絡信息資源管理”階段演進。這種演進和發展對信息管理工作模式和服務模式造成巨大的變化和影響，產生了新的社會需求，而醫院計算機網絡信息資源管理正是這種新需求下的產物。醫院信息資源和醫院信息資源管理將隨人類社會的發展和技術的進步而不斷的發生變化。在醫院管理中，計算機網絡信息資源管理促進了我國醫療事業單位的發展，特別是信息高速公路的浪潮，也將革命性地改變醫院獲取知識、信息的速度。因此說醫院計算機網絡信息將成為醫院建設與發展中不可缺少的手段。
一、醫院計算機網絡信息資源的含義
關于我們對醫院計算機網絡信息資源的理解，歸納起來主要有兩種：一是俠義的理解，認為醫院計算機信息資源就是指醫院文獻資源或者醫院數據資源，或者醫院各種媒介和形式的信息的集合，包括醫院各種文字，聲像，印刷品，電子信息，人力資源信息，醫療器械，人員管理，數據庫等等，這都是限于信息的本身。而廣義的理解是，認為醫院信息資源是信息活動中各種要素的總稱，這既包含惡劣信息本身，也包含了信息相關的人員，設備，技術和資金等等各種資源。隨著互聯網發展進程的加快，信息資源網絡化成為一大潮流，與傳統的計算機網絡資源相比，醫院計算機網絡信息資源在數量，結構，分布和傳播的范圍，載體形態，內涵傳遞手段，等方面都顯示出新的特點。這些新的特點賦予了醫院網絡信息資源管理新的內涵。
二、醫院計算機網絡信息資源的特點
2.1存儲數字化醫院傳統信息資源由紙張上的文字變為磁性介質上的電磁信號或者光介質上的光信息，是信息的存儲和傳遞，查詢更加方便，而且所存儲的信息密度高，容量大，可以無損耗地被重復使用。以數字化形式存在地信息，既可以在計算機內高速處理，又可以通過信息網絡進行遠距離傳送。
2.2表現形式多樣化醫院傳統信息資源主要是以文字活數字形式表現出來的信息。而醫院計算機網絡信息資源則可以是文本，圖像，音頻，視頻，軟件，數據庫等多種形式存在的，涉及領域和行業廣泛。
2.3以網絡為傳播媒介醫院傳統的信息資源存儲載體為紙張，磁帶，磁盤，而醫院計算機網絡信息資源的存在是以網絡為載體，以虛擬化的姿勢狀態展示的，人們得到的是網絡上的信息，而不必過問信息是存儲在磁盤上還是磁帶上的，體現了醫院計算機網絡資源的社會性和共享性。
2.4數量巨大CNNIC一年兩次的《中國互聯網絡發展狀況統計報告》，全面反映和分析了中國互聯網絡發展狀況，以其權威性著稱。從本次報告中可以看出，截至到2002年12月31日，我國上網計算機數量為2083萬臺；CN下注冊的域名數量達到17.9萬個；網站數量達到了37.1萬個；國際出口帶寬總量為9380M。
醫院計算機網絡信息資源不是傳統的網絡信息資源，它是對傳統計算機網絡信息資源的合理運用。在市場經濟迅速發展的今天，醫院和醫院、醫藥市場、藥店之間的競爭也日漸激烈，醫院計算機網絡信息資源將成為一種戰略資源，它同醫療器械設備和人力資源技術等一樣成為推動醫院向前發展的支柱。各種信息的收集，加工和利用將有效的改變醫院面貌，為醫院的正常運作注入了新鮮血液，為醫院獲取最大的經濟效益和社會效益提供了有力的保證。醫院的發展面臨著激烈的競爭，除了醫療技術、醫療設備，優質的服務質量和合理醫療價格等各方面的競爭，更重要的是它將會是醫學信息的競爭。醫院的信息管理系統、圖書情報、病案統計等部門提供的統計資料尤為重要。醫院決策部門需要先進的信息服務系統，以獲取最新的信息資料，掌握最新信息，以擊敗競爭對手，占領醫療市場。醫療及科研人員可以通過最新的信息服務來獲取新知識、新技術，更好的為患者服好務，治好病，這樣患者就能從更大范圍內選取最新的醫療技術，治好他們的病，從而為醫院贏得良好的聲譽。
三、醫院計算機網絡信息資源管理的內容核心是數據庫建設
在醫院計算機網絡信息資源管理活動中，數據庫建設及數據庫技術占據著至關重要的地位，它是一切信息和數據的基礎和源泉，數據庫技術具有非常廣泛的應用領域，它是實現資源共享，節省開支，提供系統的反映能力，工作質量和服務水平的重要手段和技術保證。醫院的數據庫不僅反映醫院當前的盈利能力，而且反映醫院未來的盈利能力。醫院的工作即使是重點放在客戶服務和管理上，但仍要以客戶數據庫為基礎，以提高顧客忠誠度為核心、正確運用各種市場營銷組合，優化客戶組合，提升服務利潤鏈，擴大醫院的品牌形象，提高醫院競爭力。品牌的競爭是心理層面上的與客戶溝通及交流，現在的醫院在醫療技術、價格嚴重同質化的情況下，針對醫院的特色，優點，特性及患者群體的分類對客戶服務予以細分，具體到每一個環節，第一個步驟，就能堵住各種可能造成的就醫后遺留問題，后期客戶服務擴展為其提供增值服務，從服務層面上體現產品與競爭對手的差異化，提高醫院的品牌形象，用醫院的文化和理念打動客戶，才能在整個醫療市場中立于不敗之地。
四、醫院計算機網絡信息資源的管理和利用
計算機網絡信息技術不僅是一個瀏覽新聞、娛樂的場所，也是絕佳的學習窗口和平臺，同時它也是科研信息的重要源泉，新的信息技術不斷的滲透到醫院信息管理的過程之中，計算機的普遍應用成為提高醫療管理水平和醫療診斷、治療、康復過程中必不可少的工具之一，其巨大的存儲能力把醫院內部及相關醫院、社區及醫療服務等所有的信息完整、有序的存儲起來，并可以上網提供遠程醫療服務，醫院從上至下各級管理人員包括患者都可及時、迅速的獲取各自所需的醫療信息、統計信息等等。利用E—mail和FTP文件傳輸可以把這些信息迅速快捷的傳遞給所需方。這種遠程醫療信息傳遞功能可以將醫院總部醫療信息傳遞到醫院分支機構或者遠程上網的合作醫療單位的工作站上，減少許多不必要的環節。醫院計算機網絡信息資源作為一個大系統以完成醫療、教學、科研的協作及資源的共享，在網上各個環節的信息迅速流動，醫院可以利用網絡和網絡信息完成多項工作。計算機網絡信息已經成為了醫院經濟管理的基礎。通過網絡，醫院之間能夠開展更多的遠程醫療會診，可以更經濟更方便更快捷的進行醫院內部、外部的信息交流和傳播，讓醫院在大范圍內的運作中獲取最大的經濟效益和社會效益。:
五、結語
雖然現在醫院計算機網絡信息資源管理在醫院管理中越來越得到人們的理解和重視，但是目前這一領域仍有許多需要研究和解決的問題，需要我們努力去探索研究解決。現在醫院計算機網絡信息資源在社會發展中正日益占據主導地位，只有對醫院計算機網絡信息資源進行有效的管理，才能將網絡信息環境變為有序的信息空間，實現信息資源效用最大化，發揮它的最大潛能。總之，我們應注重醫院網絡信息資源的開發、建設與利用，密切關注國內外醫院信息服務商家的運作趨勢，密切跟蹤計算機網絡技術與應用的最新動向，對新的技術進行最及時的應用和開發，這樣才能更好的促進醫療事業的更快發展。
第3篇
用戶行為在一定程度上體現了用戶的需求，基于對當前用戶行為的分析與研究，可預測用戶在未來一段時間內的行為，提前預知潛在的通信需求和規律，主動地完成無線資源配置。用戶行為分為兩種：一種是表示用戶與用戶之間關系的靜態用戶行為，另一種是用戶動態行為。靜態用戶行為挖掘，注重用戶組織關系的預測，而動態用戶行為挖掘則注重用戶軌跡的分析。
1.1靜態用戶關系預測
靜態用戶關系預測是指通過研究非直接關聯的兩個用戶之間的相似性，估計這兩個用戶發生關聯的可能性。目前基于復雜網絡的鏈路預測模型可以有效地實現靜態用戶關系的預測。鏈路預測模型如圖1所示。用戶之間存在著串聯的關系鏈，被稱為復雜網絡中的拓撲路徑，用戶之間發生聯系的可能性取決于拓撲路徑對用戶之間相似性的傳遞能力。基于復雜網絡的鏈路預測方法是通過研究用戶端點之間拓撲路徑對相似性傳遞的影響來實現預測模型的構建。如果兩個端點之間信息傳遞的能力越強，那么這兩個端點越相似，未來兩個端點發生直接關聯的可能性就越大。為了數值化表示相似性，預測模型通過對拓撲路徑的研究來估計端點之間的相似性S，S值越大兩個端點發生連接的可能性越大。根據拓撲路徑長度，鏈路預測算法可以分為：局部路徑相似性算法，例如公共鄰居算法(CN)、阿達米克阿達算法(AA)、資源分配算法(RA)；全局路徑相似性算法，如凱茨算法(Katz)；半局部路徑相似性算法，如本地路徑(LP)、本地隨機游走(LRW)、疊加隨機游走(SRW)[9]。各算法的預測準確性可用受試者工作特征曲線下面積（AUC）度量指標進行衡量。雖然基于全局路徑相似性的算法具有較好的預測準確性，但是復雜度高，實用性差。因此本文將重點討論局部路徑相似性算法和半局部路徑相似性算法。通過對網絡模型的研究，進一步提出優化算法，并在有代表性的幾個實際網絡上進行驗證。代表性網絡包括：美國航空網USAir、美國國家電網PG、蛋白質作用網Yeast、網絡科學家合作網絡NS、爵士樂手合作網Jazz、新陳代謝網絡CE、臉書好友網絡Slavko、電子郵電網絡E-mail、傳染病網絡Infec、歐洲合作網ES、UC大學社交網絡UcSocial、生物鏈網絡FW和Small&Griffith以及Descendants引文網。
1.1.1局部路徑相似性算法基于局部路徑相似性算法僅研究長度為2的拓撲路徑。研究兩個端點公共鄰居的屬性，依據“朋友的朋友就是朋友”的原則，公共鄰居越多則通過共同好友傳遞相似性的能力就越強，兩個端點越相似。但是傳統關系預測算法在不同用戶關系網中缺乏適應性，尤其是對用戶弱關系性能的差異呈現出較低的敏感性。因此本文在AA和RA算法的基礎上，構建增強弱關系的預測模型，以實現更好的預測性能。將OAA和ORA算法在5個代表性網絡中進行AUC性能仿真驗證，結果如圖2和表1所示。從仿真結果可以看出并非所有網絡都在β=-1時取得最優。但通過調整β，可以準確地找到適合每個網絡的最優β。在多數網絡下OAA和ORA算法預測準確性優于傳統的局部相似性算法CN、AA和RA。
1.1.2半局部路徑相似性算法傳統的基于半局部路徑相似性算法在降低算法復雜度的同時具有較高的預測準確性。然而，傳統半局部路徑相似性算法忽略了不同路徑組成節點的差異性，而且忽略了路徑端點影響力中存在冗余影響力的問題。（1）路徑異構性問題的研究在傳統半局部路徑相似算法中，路徑被建模成一條路由線路，兩個端點之間的相似性取決于它們之間的路徑條數。實際上，路徑是由不同屬性的節點組成的，應該在路徑建模時考慮路徑中間節點的屬性，給予信息傳輸能力強的路徑更高的權重。據此本文提出了在不同網絡中突出路徑中小度節點作用，削弱大度節點作用的SignificantPath算法（有意義路徑算法，簡稱SP算法）[11]。設q表示任意一條連接節點x和y的路徑，M(q)表示路徑q去除端點之外所有中間節點組成的集合，vi表示路徑q的任意一個中間節點，ki表示節點vi的度值，P2(vx,vy)和P3(vx,vy)分別表示端點x和y之間長度是2和3的路徑集，α∈[0,1]是路徑長度的懲罰因子，β是節點度懲罰因子。可以看出，不論α取何值，AUC均在β<0時達到最優，并且最優曲線對應的α遠小于1。SP算法突出了較短路徑和強信息傳遞能力的路徑，并且相比于傳統算法，SP算法的預測準確性在大多數網絡中都有明顯的改進。（2）控制端點冗余影響力問題的研究傳統算法在研究端點影響力對端點相似性的作用時，忽略了端點影響力實際存在的冗余問題。冗余影響力不利于準確發現節點的相似性，因此需要研究如何控制端點冗余影響力。研究方法主要有兩種：通過懲罰無貢獻冗余影響力增強預測的準確性和通過抽取有效影響力建模端點之間相似性。（a）通過懲罰無貢獻冗余影響力增強預測準確性無貢獻關系懲罰(NRP)算法[12]是通過懲罰大冗余影響力突出小冗余影響力以增強預測準確性。首先建模單條路徑連通性，設vi表示路徑中間節點，|E|表示網絡連邊集中的連邊數，t表示所研究的最長路徑長度，P(vi+1|vi)表示從節點vi到vi+1的轉移概率，C(x,y)|jl表示長度為l的第j條路徑中間節點總轉移概率。為了驗證NRP算法的性能，本文在9個真實網絡中進行了NRP的AUC性能實驗以及與傳統算法的比較實驗，結果如圖4和表3所示。可以看出最優值出現在β<1，即β-1<0，說明對無貢獻大度進行懲罰可以明顯改善預測準確性；相反取值β>0時性能會急劇下降，表明突出無貢獻關系會降低預測準確性，并且NRP算法明顯優于傳統算法。說明通過懲罰端點無貢獻關系即冗余影響力，可以極大改善鏈路預測的準確性。（b）通過抽取有效影響力建模端點之間相似性端點吸引節點與之發生關聯主要依靠有效影響力。因此端點影響力建模可以采取直接抽取有效影響力的方式，如聯合考慮有效影響力和強信息傳播能力建模有效路徑（EP）算法[13]。通過添加指數參數控制不同網絡下路徑信息傳輸能力的差異性，使算法具有適應性并且突出強信息傳播路徑，即取最優值β>1。則長度為l的所有路徑對于信息傳播能力的影響為：接著將可達對端的路徑條數建模為有效影響力。設|Pathslxy|表示在端點X和y之間長度為l的路徑個數，進一步結合長度為2到t的路徑總信息傳輸能力，得到端點X和y之間總的相似性預測模型為：由于存在較長路徑貢獻小而代價大的問題，而對節點相似性貢獻最多的路徑長度是2和3，因此僅考慮長度為2和3的路徑可以取得較好的預測效果。為了驗證EP算法的預測準確性，本文利用15個網絡仿真了不同β取值對預測準確性AUC的影響以及EP與傳統算法性能的比較，如圖5和表4所示。可以看出最優值出現在β>1的位置，并且EP算法AUC準確性要明顯高于其他算法。綜上說明通過考慮有效影響力和強信息傳輸能力可以有效增強鏈路預測的準確性。
1.2動態用戶行為分析
除了靜態人類組織關系行為外，人類移動行為的研究和預測對無線資源調度和分配也非常重要。目前對人類移動行為的研究和預測主要基于統計學和信息技術展開，分析結論表明[14]：人類活動包含兩類，其一是時間和空間上的周期性活動，其二是同社交關系相關的隨機跳躍活動。近距離活動多體現出時間和空間的周期重復特性，同社交關系關聯不大。遠距離活動受社交關系影響比較明顯。研究表明社交關系可以解釋10%～30%的人類活動，而周期性模式可以解釋50%～70%的人類活動。依據從簽到網站和移動終端獲得的數據，研究者們繪制出了關于人群的行為模式。圖6是在某城市中某一時刻人群在家中和工作單位的空間位置分布圖以及一天中人們在家和工作單位的時間分布圖，從圖中可以看出明顯的聚集性。圖7顯示的是在某城市中，從中午到午夜時刻，人群移動模式隨時間變化的關系，可以看出具有明顯的周期規律性，白天向工作地點聚集，夜晚向家的方向聚集。圖7人們行為的移動模式和聚集趨勢（圖中的x和y軸數值是與最遠距離的歸一化相對值）除了在地理和空間位置維度表現出周期性短距離的人群移動行為外，還有受社交關系影響的非周期性長距離行為。人們有時候會因為探親訪友產生出一些非規律性的行為，這些行為大多是由社交關系引起的。根據人們移動行為模式規律建立模型，預測未來人們發生行為的時間和空間位置是非常有意義以及可行的。研究者們提出了許多方法，具有代表性的是根據人們行為的周期性進行預測的周期性移動行為模型periodicmobilitymodel，周期移動模型（PMM）和進一步考慮了社交關系的社交周期移動模型（PSMM）[14]。利用對人類行為的預測來預測未來人群聚集發生的時間和空間位置，并引導無線通信資源的分配，能夠極大地提升資源的利用率和用戶滿意度。
2用戶行為驅動的網絡資源配置
由用戶構建的社交網絡與實際通信設備部署網絡之間并非一一對應的關系，因此在獲取和預測用戶行為特征之后需要結合實際應用場景，選取合適的預測特征和數據完成實際通信設備網絡部署的資源優化配置。
2.1基于小區負載的覆蓋容量自優化對所提取的用戶行為特征加以利用將有助于提升網絡整體的承載能力。因此，可利用對個體用戶時間、空間行為的周期性、區域性特征的分析及預測，獲取群體用戶在一定時間、空間范圍的聚集行為。而群體用戶的空間聚集行為將直接決定各小區的負載情況，然后基站便可結合各小區負載的差異性進行覆蓋與容量的自優化調整。如圖8所示，基站可通過對天線配置、發射功率等射頻參數進行聯合調整的方式，將潛在的業務輕載小區的無線資源通過射頻參數調整的方式投射到業務熱點區域，使網絡資源對用戶周期性、區域性業務需求具有靈活的空間流性匹配能力，動態完成對不同區域、不同需求的用戶的流性適配，達到提升網絡覆蓋容量綜合性能的目的。覆蓋容量的優化過程需要考慮射頻參數的調整對覆蓋及容量性能的諸多方面影響。比如較小的天線仰角會擴大本小區覆蓋范圍而提升邊緣用戶的性能，但同時也會對鄰區用戶帶來更大的干擾并影響鄰區容量。因此，對覆蓋容量的聯合優化需要兼顧覆蓋性能與容量性能、本小區性能與鄰區性能的折衷。考慮到射頻參數的調整與所達到的覆蓋容量聯合性能沒有直接的映射關系，因此覆蓋容量的聯合優化更傾向于采用機器學習等人工智能方式。根據鄰區潛在負載差異及覆蓋容量綜合性能情況完成對射頻參數的自優化調整，并通過對優化經驗的歸納總結，提升基站的自主優化決策能力。所實現的網絡SINR分布性能及覆蓋容量綜合性能優化效果如圖9、圖10所示[15]。經過自優化，各小區的射頻參數會由于負載的差異而有所不同，重載小區的覆蓋范圍較小，其邊緣用戶將移至覆蓋范圍擴大了的輕載小區接受服務。并且，基于小區負載的覆蓋容量自優化方案性能相較于未考慮負載差異的優化方法得到了有效提升。
2.2基于設備直通協作多播的數據分發策略蜂窩網絡所產生的大部分流量是流行內容的下載，例如視頻、音頻或移動應用程序。鑒于大多數用戶行為具有這種共性下載的特點，如果基站把這種具有相同業務請求的用戶數據卸載到設備直通（D2D）網絡，那么就可以有效緩解蜂窩網絡基礎設施的負擔，提高頻譜效率以及用戶滿意度，并在一定程度上解決無線通信系統頻譜資源匱乏的問題。由于大多數用戶行為具有共性以及流動性，并且用戶間的社交關系也體現出了用戶間的協同意愿，那么把用戶之間相同的數據請求通過基站多播方式實現數據分發，就可以極大的提高整個系統的資源利用率。由于D2D協作多播系統是由獨立的蜂窩用戶組成，用戶間的連接關系時斷時續。而在現實生活中，人們的社交關系相對穩定，因此利用數據挖掘獲得的用戶社交關系可幫助蜂窩網絡建立可靠的D2D傳輸鏈路，如圖11所示。D2D協作多播網絡容量增益如圖12所示，該圖比較了傳統蜂窩數據分發與不同多播半徑情況下的平均網絡容量累計分布函數（CDF）曲線。由圖可知，D2D協作多播算法所達到的網絡容量要優于傳統蜂窩數據分發算法，并且隨著多播半徑R逐漸減小，D2D簇內多播速率增加。
2.3個性用戶業務服務資源配置在通過預測獲取用戶個性化特征之后可以根據提取出的潛在業務發起位置及業務需求等個性化特征進行資源的提前預配置。圖13所示，用戶（UE）經常由A出發到B，并在B點被動的接收一定量的數據（例如B為展覽館，UE為一個管理員，需要接收一定的解說信息，而解說信息會定期更新）。由于UE經常往返于A和B，在網絡側長期的歷史信息搜集統計中，可以通過用戶關系預測得出UE從A到B之間最常接入的基站集合。根據UE在這些基站中所上報的信道質量歷史信道信息，可以預測出UE在經過這些基站時的平均信息速率。同時根據UE的導航信息，可以獲知UE在從A到B中所需的平均時間。由于B點接收信息較大，如果等用戶A到達B點再更新信息的話，會帶來較多的等待時延。為此，一種新的解決思路是利用上述預測信息，讓UE在B點需要的數據，在預測的中途基站中進行預傳輸，從而達到提升用戶體驗質量的效果。具體分析如下。與傳統的資源分配相比，基于預測的資源分配可以有效緩解B點處的通信業務壓力。提前配置考慮了節能、基站負載等因素，極大的優化了網絡的整體性能。同時這種預測提前通信也大大減少了用戶等待時間，提升了用戶體驗質量。
3結束語
