目的基于体验质量(Quality of Experience,QoE)理论构建智慧医院平台可用性量表,为智慧医院建设提供科学测量工具。方法采用文献回顾、焦点会议法、预调查对量表条目进行筛选、修订,形成正式量表。便利选取山东省8所智慧医院平台的1000...目的基于体验质量(Quality of Experience,QoE)理论构建智慧医院平台可用性量表,为智慧医院建设提供科学测量工具。方法采用文献回顾、焦点会议法、预调查对量表条目进行筛选、修订,形成正式量表。便利选取山东省8所智慧医院平台的1000名用户进行调查,评价量表的信度和效度。结果智慧医院平台可用性量表包括6个维度24个条目。探索性因子提取出6个公因子:安全性、易用性、影响性、响应性、可靠性、灵活性。累计方差贡献率为64.045%,总体Cronbach’sα系数为0.941,6个维度的Cronbach’sα系数为0.782~0.963,重测信度为0.967。平均内容效度指数为0.972,条目水平内容效度指数为0.86~1.00。量表6个维度和系统可用性量表相关性系数为0.606~0.653,总体相关系数为0.647。结论基于QoE理论的智慧医院平台可用性量表具有较好的信度和效度,可作为用户对智慧医院平台体验情况的测量工具。展开更多
该文提出一种算法IQoE2QoS(Improved QoE to QoS),采用模糊理论的方法计算QoE到QoS的映射。该算法有3重目标:从大量的经验数据中通过计算互信息量方式总结被统计指标之间的关联程度。在大量经验数据的基础上通过多指标模糊判定理论将用...该文提出一种算法IQoE2QoS(Improved QoE to QoS),采用模糊理论的方法计算QoE到QoS的映射。该算法有3重目标:从大量的经验数据中通过计算互信息量方式总结被统计指标之间的关联程度。在大量经验数据的基础上通过多指标模糊判定理论将用户感知映射到应用层用户QoS参数。考虑了用户的QoE和QoS的双向映射,并且阐述了得到的QoE如何自然映射到SLA(Service Level Agreement)。通过仿真表明,IQoE2QoS算法对用户体验的分类准确度是线性回归算法的2到3倍。展开更多
针对如何为互联网用户从多个相同或相似的服务中进行选择的问题,提出了一种新的服务选择算法:基于Qo E(Quality of Experience)量化评估的服务选择算法(A Service Selecting Algorithm Based on Quantified Qo E Evaluation,ASSABQ).该...针对如何为互联网用户从多个相同或相似的服务中进行选择的问题,提出了一种新的服务选择算法:基于Qo E(Quality of Experience)量化评估的服务选择算法(A Service Selecting Algorithm Based on Quantified Qo E Evaluation,ASSABQ).该算法基于一种层次化评分模型,从历史评分中学习获取用户偏好,根据多种评价因素计算每个可用服务的满意度,并选择满意度最高的服务给用户.与已知算法相比,ASSABQ算法的复杂度从O(n2)下降到O(n).仿真实验结果表明,在相同应用场景下,采用ASSABQ算法得到的用户满意度比已知算法提高约10%.展开更多
将用户感受质量(Quality of experience,QOE)引入正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统的资源分配算法设计中,并基于QOE构建的效用函数提出了一种以系统平均QOE最大化为目标的功率分配算法。该算法利用...将用户感受质量(Quality of experience,QOE)引入正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统的资源分配算法设计中,并基于QOE构建的效用函数提出了一种以系统平均QOE最大化为目标的功率分配算法。该算法利用导数迭代逼近的方法调整系统功率分配,从而获得接近最大系统平均QOE的功率分配方法。仿真结果表明,该算法在保证较高系统平均QOE指标的同时,能够依据系统功率资源供求情况,兼顾系统和容量与用户公平性指标。展开更多
为优化未来多层无线网络覆盖中视频业务的体验质量(quality of experience,QoE),在基于生物信息学的细胞吸引子选择模型上研究多维吸引子选择算法,对每个接入网视频业务的吸引力进行建模,设置参数控制吸引子吸引力度和算法收敛速度,当Qo...为优化未来多层无线网络覆盖中视频业务的体验质量(quality of experience,QoE),在基于生物信息学的细胞吸引子选择模型上研究多维吸引子选择算法,对每个接入网视频业务的吸引力进行建模,设置参数控制吸引子吸引力度和算法收敛速度,当QoE低于用户容忍阈值时,该模型会根据当前QoE值重新计算各个接入网应分得的视频流量,使当前视频QoE值重新达到用户要求。仿真结果表明,通过持续的反馈-调整闭环机制,使该方法在网络变差时优化视频业务QoE。展开更多
文摘目的基于体验质量(Quality of Experience,QoE)理论构建智慧医院平台可用性量表,为智慧医院建设提供科学测量工具。方法采用文献回顾、焦点会议法、预调查对量表条目进行筛选、修订,形成正式量表。便利选取山东省8所智慧医院平台的1000名用户进行调查,评价量表的信度和效度。结果智慧医院平台可用性量表包括6个维度24个条目。探索性因子提取出6个公因子:安全性、易用性、影响性、响应性、可靠性、灵活性。累计方差贡献率为64.045%,总体Cronbach’sα系数为0.941,6个维度的Cronbach’sα系数为0.782~0.963,重测信度为0.967。平均内容效度指数为0.972,条目水平内容效度指数为0.86~1.00。量表6个维度和系统可用性量表相关性系数为0.606~0.653,总体相关系数为0.647。结论基于QoE理论的智慧医院平台可用性量表具有较好的信度和效度,可作为用户对智慧医院平台体验情况的测量工具。
文摘针对如何为互联网用户从多个相同或相似的服务中进行选择的问题,提出了一种新的服务选择算法:基于Qo E(Quality of Experience)量化评估的服务选择算法(A Service Selecting Algorithm Based on Quantified Qo E Evaluation,ASSABQ).该算法基于一种层次化评分模型,从历史评分中学习获取用户偏好,根据多种评价因素计算每个可用服务的满意度,并选择满意度最高的服务给用户.与已知算法相比,ASSABQ算法的复杂度从O(n2)下降到O(n).仿真实验结果表明,在相同应用场景下,采用ASSABQ算法得到的用户满意度比已知算法提高约10%.
文摘将用户感受质量(Quality of experience,QOE)引入正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统的资源分配算法设计中,并基于QOE构建的效用函数提出了一种以系统平均QOE最大化为目标的功率分配算法。该算法利用导数迭代逼近的方法调整系统功率分配,从而获得接近最大系统平均QOE的功率分配方法。仿真结果表明,该算法在保证较高系统平均QOE指标的同时,能够依据系统功率资源供求情况,兼顾系统和容量与用户公平性指标。
文摘为优化未来多层无线网络覆盖中视频业务的体验质量(quality of experience,QoE),在基于生物信息学的细胞吸引子选择模型上研究多维吸引子选择算法,对每个接入网视频业务的吸引力进行建模,设置参数控制吸引子吸引力度和算法收敛速度,当QoE低于用户容忍阈值时,该模型会根据当前QoE值重新计算各个接入网应分得的视频流量,使当前视频QoE值重新达到用户要求。仿真结果表明,通过持续的反馈-调整闭环机制,使该方法在网络变差时优化视频业务QoE。
