手機(jī)用戶網(wǎng)絡(luò)行為預(yù)測(cè)方法研究

，， ，

(常州大學(xué) 信息科學(xué)與工程學(xué)院，江蘇 常州 213164 )

手機(jī)用戶網(wǎng)絡(luò)行為預(yù)測(cè)方法研究

朱正偉，黃曉竹，劉晨，陳陽(yáng)

(常州大學(xué)信息科學(xué)與工程學(xué)院，江蘇常州213164 )

傳統(tǒng)離線方法對(duì)手機(jī)網(wǎng)絡(luò)耗電量進(jìn)行的優(yōu)化不能準(zhǔn)確判斷用戶網(wǎng)絡(luò)消耗狀態(tài)，對(duì)用戶正常使用手機(jī)帶來(lái)很大影響，針對(duì)這個(gè)問(wèn)題，提出基于用戶習(xí)慣的網(wǎng)絡(luò)行為在線預(yù)測(cè)方法；該方法分析用戶使用網(wǎng)絡(luò)的歷史數(shù)據(jù)，建立對(duì)用戶使用網(wǎng)絡(luò)行為進(jìn)行在線預(yù)測(cè)的數(shù)學(xué)模型，使用0-1背包算法求該模型的最優(yōu)解，預(yù)測(cè)用戶使用網(wǎng)絡(luò)情況；并在此基礎(chǔ)上對(duì)最優(yōu)解進(jìn)行模糊處理，以增強(qiáng)預(yù)測(cè)方案的適應(yīng)能力；實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的方法能夠有效預(yù)測(cè)手機(jī)用戶網(wǎng)絡(luò)的使用狀態(tài)，為基于用戶習(xí)慣的手機(jī)網(wǎng)絡(luò)節(jié)電研究奠定了堅(jiān)實(shí)的理論基礎(chǔ)。

手機(jī)網(wǎng)絡(luò)；節(jié)電；背包算法；預(yù)測(cè)

0 引言

隨著WIFI覆蓋面的增加和手機(jī)網(wǎng)絡(luò)的發(fā)展(如4G網(wǎng)絡(luò)的發(fā)展)，智能手機(jī)網(wǎng)絡(luò)耗電問(wèn)題變得越來(lái)越嚴(yán)峻，續(xù)航能力短成為智能手機(jī)的通病，然而目前電池的密度在未來(lái)幾十年內(nèi)卻不會(huì)有突破性的發(fā)展[1]。很多學(xué)者對(duì)手機(jī)耗電問(wèn)題進(jìn)行了研究，發(fā)現(xiàn)手機(jī)各個(gè)部件中網(wǎng)絡(luò)耗電量占總耗電量的很大一部分[2]。在網(wǎng)絡(luò)方面采取節(jié)電措施，將會(huì)對(duì)手機(jī)節(jié)電有重要意義。

文獻(xiàn)[3-5]對(duì)近萬(wàn)名用戶手機(jī)網(wǎng)絡(luò)使用情況進(jìn)行了調(diào)查，調(diào)查結(jié)果顯示，用戶使用網(wǎng)絡(luò)的行為是多樣的，并且具有一定的規(guī)律。Qian等人[6]對(duì)手機(jī)網(wǎng)絡(luò)進(jìn)行了深入研究，發(fā)現(xiàn)手機(jī)在屏幕關(guān)閉活動(dòng)下無(wú)線網(wǎng)絡(luò)能耗占總網(wǎng)絡(luò)能耗的30%，而進(jìn)行的網(wǎng)絡(luò)傳輸量只占總傳輸?shù)?.7%，這部分網(wǎng)絡(luò)活動(dòng)存在很大的優(yōu)化空間。同時(shí)在屏幕開啟的狀態(tài)下，用戶使用網(wǎng)絡(luò)的總時(shí)間占屏幕開啟的總時(shí)間百分比也很低，如果對(duì)其進(jìn)行優(yōu)化，將會(huì)有很好的節(jié)電效果。

文獻(xiàn)[7]采用通過(guò)軟件監(jiān)測(cè)屏幕關(guān)閉時(shí)關(guān)閉手機(jī)網(wǎng)絡(luò)的方式來(lái)達(dá)到節(jié)電目的，但這樣嚴(yán)重影響了屏幕關(guān)閉下某些通信軟件信息的接收。文獻(xiàn)[8-9]分別采用延遲100秒和延遲180秒，對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行批處理的方法達(dá)到網(wǎng)絡(luò)節(jié)電的目的。雖然文獻(xiàn)[8-9]中的方法對(duì)手機(jī)續(xù)航有一定的效果，但是他們均采用離線方式對(duì)網(wǎng)絡(luò)進(jìn)行處理，忽略了用戶的習(xí)慣，嚴(yán)重影響了用戶對(duì)手機(jī)的正常使用。

針對(duì)上述問(wèn)題，本文提出了一種在線預(yù)測(cè)手機(jī)用戶網(wǎng)絡(luò)行為的方法。

1 手機(jī)用戶網(wǎng)絡(luò)行為相關(guān)性分析

用皮爾森參數(shù)[10]判斷用戶行為習(xí)慣的相關(guān)性。ρx,y表示總體的相關(guān)系數(shù)，rx,y表示樣本的相關(guān)系數(shù)，總體相關(guān)系數(shù)的定義式是：

(1)

其中：Cov(X,Y)是隨機(jī)變量X和Y的協(xié)方差；Var(X)和Var(Y)分別為變量X和Y的方差?？傮w相關(guān)系數(shù)是反映兩變量之間線性相關(guān)度的一種特征值，表現(xiàn)為一個(gè)常數(shù)。-1 ≤rx,y≤ 1。rx,y大于0時(shí)正相關(guān)，rx,y小于0時(shí)負(fù)相關(guān)，rx,y的絕對(duì)值越接近于1，兩要素的關(guān)系越密切；越接近于0，兩要素的關(guān)系越不密切。

通過(guò)自主開發(fā)的Android手機(jī)APP“Collect”，對(duì)10位不同年齡段和職業(yè)的用戶使用網(wǎng)絡(luò)的情況進(jìn)行為期一個(gè)月的采集。其中Collect采集的數(shù)據(jù)有：1)手機(jī)自出廠時(shí)到采集時(shí)刻接收的總流量；2)手機(jī)自出廠時(shí)到采集時(shí)刻發(fā)送的總流量；3)采集數(shù)據(jù)的時(shí)刻。Collect將采集的數(shù)據(jù)最終存儲(chǔ)到SQLite數(shù)據(jù)庫(kù)中[11]，且默認(rèn)采集數(shù)據(jù)的最小時(shí)間間隔為1 s。

圖1為10個(gè)用戶為期一周的皮爾森參數(shù)分析圖，從圖中可以看出，用戶之間的皮爾森參數(shù)基本在0.4以下，即不同用戶使用手機(jī)網(wǎng)絡(luò)行為相關(guān)性很低。因此，同一種離線算法可能于用戶1來(lái)講有很好的用戶體驗(yàn)，但對(duì)用戶2來(lái)講就會(huì)影響手機(jī)的正常使用。

圖1 10位用戶之間的皮爾森參數(shù)圖

圖2為一個(gè)用戶在為期10天里使用手機(jī)流量數(shù)據(jù)中每?jī)商熘g的皮爾森參數(shù)值；從圖1可以看出，同一個(gè)用戶在不同天里使用手機(jī)數(shù)據(jù)的皮爾森參數(shù)基本在0.65以上，即單個(gè)用戶使用手機(jī)網(wǎng)絡(luò)行為相關(guān)度很高并具有很高的可預(yù)測(cè)性。因此，根據(jù)用戶手機(jī)網(wǎng)絡(luò)習(xí)慣設(shè)計(jì)在線算法，預(yù)測(cè)用戶手機(jī)網(wǎng)絡(luò)行為是可行的。

圖2 一位用戶10天的皮爾森參數(shù)圖

進(jìn)一步分析圖2，可以發(fā)現(xiàn)天數(shù)越接近，皮爾森參數(shù)的值越高，即用戶手機(jī)網(wǎng)絡(luò)的相關(guān)度越高。從而采用天數(shù)越接近的網(wǎng)絡(luò)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，準(zhǔn)確度相對(duì)越高。

2 手機(jī)用戶網(wǎng)絡(luò)行為預(yù)測(cè)算法的設(shè)計(jì)

2.1 0-1背包數(shù)學(xué)模型的建立

將一天的時(shí)間分成N個(gè)相等的時(shí)間段，每個(gè)時(shí)間段用Ti表示，其中i∈{1，2，…，N}。將每個(gè)Ti中有網(wǎng)絡(luò)傳輸?shù)目倳r(shí)間記為TOi。假設(shè)每個(gè)Ti中，有n個(gè)最小采集時(shí)間tj，j∈{1，2，…，n}，這里的tj不一定相等。每個(gè)tj中網(wǎng)絡(luò)產(chǎn)生的數(shù)據(jù)流量用lj表示，其中l(wèi)j是網(wǎng)絡(luò)發(fā)送和接收流量之和。本文取一個(gè)時(shí)間段Ti的網(wǎng)絡(luò)使用情況作為樣本，對(duì)其數(shù)據(jù)進(jìn)行分析。

針對(duì)手機(jī)網(wǎng)絡(luò)節(jié)電問(wèn)題，對(duì)網(wǎng)絡(luò)進(jìn)行的操作一般只有開啟網(wǎng)絡(luò)和關(guān)閉網(wǎng)絡(luò)兩種狀態(tài)，因此把時(shí)間段tj的網(wǎng)絡(luò)狀態(tài)用xj表示，且xj∈{0，1}。其中xj= 0表示tj時(shí)間段關(guān)閉網(wǎng)絡(luò)，xj= 1表示tj時(shí)間段開啟網(wǎng)絡(luò)。

設(shè)(x1，x2，…，xn)是上述背包問(wèn)題的最優(yōu)解，如果這個(gè)最優(yōu)解包含了物品n，即xn= 1，那么(x1，x2，…，xn-1)一定構(gòu)成子問(wèn)題物品(1，2，…，xn-1)在容量(C-wn)時(shí)的最優(yōu)解。如果這個(gè)最優(yōu)解不包含物品n，即xn= 0，那么(x1，x2，…，xn-1)一定構(gòu)成子問(wèn)題(1，2，…，xn-1)在容量C時(shí)的最優(yōu)解。設(shè)m(j，w)表示背包容量為w時(shí)，j個(gè)物品導(dǎo)致的最優(yōu)解的總價(jià)值，如公式(2)和(3)所示，需要求出m[n，w]。

(2)

當(dāng)j> 0且wi≤w時(shí)，

m[j,w]=max{m[j-1,w-wj]+vj,m[j-1,w]}

(3)

判斷m[j，w]與m[j- 1，w]是否相等，若相等則設(shè)置xj= 0，否則設(shè)置xj= 1。于是便求出了最優(yōu)解向量(x1，x2，…，xn)，xj∈{0，1}。

2.2 0-1背包最優(yōu)解的在線模糊處理

對(duì)0-1背包求出的最優(yōu)解向量進(jìn)行在線模糊處理[14]，以增強(qiáng)預(yù)測(cè)方案的適應(yīng)能力。當(dāng)手機(jī)網(wǎng)絡(luò)開啟時(shí)，應(yīng)用會(huì)自動(dòng)檢測(cè)網(wǎng)絡(luò)關(guān)閉期間的網(wǎng)絡(luò)請(qǐng)求，如QQ、微信等，并將滯后的信息重新處理。因此將最優(yōu)解向量中大片為零的區(qū)域參照實(shí)際流量使用情況，按一定的方法把0變?yōu)?，則在“0”向量時(shí)間段的流量會(huì)自動(dòng)加載到其后最近的“1”向量中。

假設(shè)最優(yōu)解向量中有m個(gè)連續(xù)為零的區(qū)域，用UCk表示每一個(gè)連續(xù)為零的向量集合，用TCk表示每一個(gè)集合UCk所對(duì)應(yīng)的所有tj之和，其中k∈{0，1，…，m}。定義TS為給定的時(shí)間參數(shù)，TM為監(jiān)測(cè)間隔，且TM初始值為TS。在TM

(4)

如果TM內(nèi)L= 0，則將監(jiān)測(cè)間隔TM變?yōu)?TS；如果繼續(xù)判斷時(shí)L仍然為0，則將監(jiān)測(cè)間隔變?yōu)?TS，以此類推以2n增加監(jiān)測(cè)間隔TM的值。如果TM內(nèi)，L> 0，則將監(jiān)測(cè)間隔TM復(fù)位為原始的TS。求出預(yù)測(cè)向量(y1，y2，…，yn)，yj∈{0，1}。圖3(a)為向量xj的分布情況，其中黑色表示“1”，白色表示“0”；圖3(b)為當(dāng)前流量的使用情況，其中實(shí)際有流量傳播的時(shí)間用黑色填充，沒(méi)有流量傳播的時(shí)間用白色填充；圖3(c)為求解出的向量yj分布情況，其中黑色表示“1”，白色表示“0”。

圖3 向量對(duì)比圖

2.3 最優(yōu)TS參數(shù)的選擇

取連續(xù)兩天相同時(shí)間段用戶使用手機(jī)網(wǎng)絡(luò)的數(shù)據(jù)作為樣本進(jìn)行分析。如圖4中(a)和(b)分別為同一個(gè)用戶前一天在10:00-11:00之間和后一天相同時(shí)間段實(shí)際使用網(wǎng)絡(luò)情況圖，從兩圖中可以看出，數(shù)據(jù)呈離散狀態(tài)，且分布很不規(guī)則。

圖4 用戶前后兩天10:00-11:00網(wǎng)絡(luò)使用情況圖

本設(shè)計(jì)通過(guò)Matlab設(shè)計(jì)相關(guān)程序，求出最優(yōu)解向量xj和預(yù)測(cè)向量yj以及其對(duì)應(yīng)的時(shí)間段tj內(nèi)預(yù)測(cè)產(chǎn)生的流量lj的值。圖5中(a)(b)(c)分別為TS的值取30 s，15 s和1 s的預(yù)測(cè)效果圖。將這三幅圖中的預(yù)測(cè)效果與圖4(b)用戶實(shí)際使用網(wǎng)絡(luò)圖對(duì)比，可以看出，TS的值越小，預(yù)測(cè)網(wǎng)絡(luò)效果與實(shí)際網(wǎng)絡(luò)使用情況約接近，即預(yù)測(cè)效果越好。

圖5 TS取不同值時(shí)網(wǎng)絡(luò)預(yù)測(cè)情況圖

為了對(duì)預(yù)測(cè)效果進(jìn)行量化分析，令Фi為Ti段時(shí)間內(nèi)網(wǎng)絡(luò)預(yù)測(cè)延遲參數(shù)。將預(yù)測(cè)向量yj= 0的時(shí)間段tj內(nèi)實(shí)際產(chǎn)生的網(wǎng)絡(luò)流量記為lj。將時(shí)間段tj距離其后最近的yj= 1的時(shí)間記為ttj，則：在時(shí)間段Ti內(nèi)網(wǎng)絡(luò)延遲參數(shù)Фi的計(jì)算方法如公式 (5)所示。

(5)

其中：Фi越小表示對(duì)用戶網(wǎng)絡(luò)行為預(yù)測(cè)效果越好。如圖6所示為TS取不同值時(shí)對(duì)應(yīng)網(wǎng)絡(luò)延遲參數(shù)Фi的不同結(jié)果。

圖6 TS取不同值時(shí)網(wǎng)絡(luò)延遲參數(shù)圖

由于本設(shè)計(jì)的實(shí)用價(jià)值是為節(jié)約手機(jī)網(wǎng)絡(luò)耗電量做貢獻(xiàn)，所以在選擇TS參數(shù)時(shí)還需要考慮節(jié)電的效果，不能單一的追求卓越的預(yù)測(cè)效果。根據(jù)初步測(cè)量可知，4 G模塊空載功率大概為Pe= 500 mW；4 G模塊網(wǎng)絡(luò)傳輸功率大概為Pb= 3 500 mW。在Ti時(shí)間段內(nèi)，將預(yù)測(cè)的結(jié)果中，yj= 1且沒(méi)有流量傳輸?shù)膖j集合記為TTi，用公式(6)求出Ti時(shí)間段內(nèi)手機(jī)網(wǎng)絡(luò)節(jié)電百分比的理論值。

(6)

圖7 預(yù)測(cè)結(jié)果理論節(jié)約手機(jī)網(wǎng)絡(luò)耗電量圖

圖7為TS取不同值時(shí)預(yù)測(cè)結(jié)果理論手機(jī)網(wǎng)絡(luò)節(jié)約的耗電量百分比圖，從圖中可以看出，TS的值越大，節(jié)電效果越好。結(jié)合圖6中TS取不同值時(shí)對(duì)應(yīng)Фi的不同結(jié)果，選擇TS= 20作為初始監(jiān)測(cè)間隔時(shí)間且當(dāng)TS= 20時(shí)，Фi= 337 Byte，ξi= 83.6%。

3 對(duì)比實(shí)驗(yàn)分析

分別利用本文方法和文獻(xiàn)[8-9]方法，對(duì)10個(gè)用戶同一時(shí)間段Ti內(nèi)網(wǎng)絡(luò)使用情況進(jìn)行對(duì)比實(shí)驗(yàn)，比較預(yù)測(cè)結(jié)果延遲網(wǎng)絡(luò)參數(shù)Фi和理論節(jié)約手機(jī)耗電量百分比ξi。

圖8 不同方法網(wǎng)絡(luò)延遲參數(shù)圖

圖8為10個(gè)用戶預(yù)測(cè)結(jié)果網(wǎng)絡(luò)延遲情況圖，從圖中可以看出，本文方法中平均網(wǎng)絡(luò)延遲參數(shù) Фi= 383 Byte，文獻(xiàn)[8]方法中平均網(wǎng)絡(luò)延遲參數(shù)Фi= 1 921 Byte，文獻(xiàn)[9]方法中平均網(wǎng)絡(luò)延遲參數(shù)Фi= 2 925 Byte。本文方法的平均網(wǎng)絡(luò)延遲參數(shù)比文獻(xiàn)[8]方法的平均網(wǎng)絡(luò)延遲參數(shù)減少了80.1%；比文獻(xiàn)[9]方法的平均網(wǎng)絡(luò)延遲參數(shù)減少了86.9%。也就是說(shuō)，本文方法對(duì)用戶網(wǎng)絡(luò)行為預(yù)測(cè)效果比文獻(xiàn)[8-9]有很大的提高。

圖9 預(yù)測(cè)結(jié)果理論節(jié)約手機(jī)網(wǎng)絡(luò)耗電量圖

如圖9所示為預(yù)測(cè)結(jié)果理論節(jié)約手機(jī)網(wǎng)絡(luò)耗電量百分比圖，其中本文方法平均節(jié)約網(wǎng)絡(luò)耗電量百分比ξi= 84.3%，文獻(xiàn)[8]方法平均節(jié)約網(wǎng)絡(luò)耗電量百分比ξi= 84.7%，文獻(xiàn)[9]方法平均節(jié)約網(wǎng)絡(luò)耗電量百分比ξi= 85.6%。本文方法平均節(jié)約網(wǎng)絡(luò)耗電量與文獻(xiàn)[8-9]相差不大，有一定的實(shí)用效果。

實(shí)驗(yàn)結(jié)果表明：本文方法對(duì)用戶使用手機(jī)網(wǎng)絡(luò)有著很好的預(yù)測(cè)效果，并且理論節(jié)電效果與現(xiàn)有方法節(jié)電效果相差不大。在手機(jī)節(jié)約網(wǎng)絡(luò)耗電量的同時(shí)，最小化對(duì)用戶正常使用手機(jī)產(chǎn)生的影響。

4 結(jié)論

對(duì)用戶使用手機(jī)網(wǎng)絡(luò)的行為進(jìn)行分析，發(fā)現(xiàn)不同用戶使用手機(jī)網(wǎng)絡(luò)的行為相關(guān)性很低，同一用戶不同天數(shù)使用手機(jī)網(wǎng)絡(luò)的行為相關(guān)性很高，因此對(duì)用戶使用手機(jī)網(wǎng)絡(luò)的行為進(jìn)行在線預(yù)測(cè)是可行的。提出了一種基于0-1背包算法與模糊處理相結(jié)合的方法，對(duì)用戶使用手機(jī)網(wǎng)絡(luò)的行為進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的方法能夠在不影響用戶正常使用手機(jī)的前提下，達(dá)到對(duì)手機(jī)節(jié)電的目的。為節(jié)約手機(jī)網(wǎng)絡(luò)耗電量、提高手機(jī)續(xù)航能力奠定了堅(jiān)實(shí)的理論基礎(chǔ)。

[1] 李 泓,鄭杰允.發(fā)展下一代高能量密度動(dòng)力鋰電池——變革性納米產(chǎn)業(yè)制造技術(shù)聚焦長(zhǎng)續(xù)航動(dòng)力鋰電池項(xiàng)目研究進(jìn)展[J]. 中國(guó)科學(xué)院院刊, 2016, 31(9):1120-1127.

[2]錢紅艷,王 玲,劉琳,等.4G手機(jī)待機(jī)耗電機(jī)理與預(yù)測(cè)模型分析[J].內(nèi)江科技,2017,(2):54-55.

[3]Trestian I, Ranjan S, Kuzmanovic A, et al. Measuring serendipity: connecting people, locations and interests in a mobile 3G network[J]. Acm Sigcomm, 2009:267-279.

[4]Maier G, Schneider F, Feldmann A. A First Look at Mobile Hand-Held Device Traffic[A]. Passive and Active Measurement, International Conference, PAM 2010, Zurich, Switzerland, April 7-9, 2010. Proceedings. DBLP[C]. 2010:161-170.

[5]Fukuda K, Asai H, Nagami K. Tracking the Evolution and Diversity in Network Usage of Smartphones[A]. Internet Measurement Conference[C]. ACM, 2015:253-266.

[6]Qian F, Wang Z, Gao Y, et al. Periodic transfers in mobile applications:network-wide origin, impact, and optimization[A]. Proceedings of the 21st international conference on World Wide Web[C]. ACM, 2012:51-60.

[7]方 葵. 基于Android系統(tǒng)網(wǎng)絡(luò)耗電量?jī)?yōu)化方法的研究[J]. 通信技術(shù), 2012(10):33-35.

[8]Pathak A, Hu Y C, Zhang M. Where is the energy spent inside my app?:fine grained energy accounting on smartphones with Eprof[A]. Proceedings of the 7th ACM european conference on Computer Systems[C]. ACM, 2012:29-42.

[9] Huang J, Qian F, Mao Z M, et al. Screen-off traffic characterization and optimization in 3G/4Gnetworks[C]. Proceedings of ACM IMC, 2012:357-364.

[10] 賈俊平,何曉群,金勇進(jìn),統(tǒng)計(jì)學(xué)(第6版)[M]. 北京：中華人民大學(xué)出版社,2015.

[11]郭 霖,第一行代碼——Android[M].北京：人民郵電出版社,2014.

[12]Zhang Y, He Y, Wu X,et al. NetMaster:Timing Energy Devourers on Smartphones[J].IEEE computer society, 2014:301-310.

[13]王曉東, 算法設(shè)計(jì)與分析(第2版)[M]. 北京: 清華大學(xué)出版社, 2008.

[14]唐駿宇,馮長(zhǎng)江. 基于模糊辨識(shí)算法的蓄電池荷電狀態(tài)測(cè)量方法與模塊設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制,2017(2):39-42.

ResearchonPredictionofUsers’BehaviorswhenUsingNetworkonMobilePhones

Zhu Zhengwei，Huang Xiaozhu，Liu Chen，Chen Yang

(College of Information Science and Engineering, Changzhou University, Changzhou 213164, China)

An online prediction method was put forward which based on users’ network habits when using network since traditional offline method to optimize mobile phone network energy consumption cannot indicate users’ network consumption, which leads to a compromised users’ experience. This method analyzes the history data of users’ usage of network, established mathematical model to predict users’ behaviors when using network online and then get the optimized solution of prediction of the status of users’ network by leveraging the 0-1 knapsack algorithm, fuzzily processes the optimized solution. Simulation has shown that our method can predict the users’usage status when using network efficiently without compromised users’ experience, which set a solid theoretic foundation for saving phones’ network power consumption and improve the span time of navigation on mobile phones.

mobile phone network; energy saving; knapsack arithmetic; predict

2017-05-06；

2017-05-23。

國(guó)家自然科學(xué)基金青年科學(xué)基金資助項(xiàng)目(61501061)。

朱正偉(1963-)，男，江蘇常州人，教授,博士，研究生導(dǎo)師，主要從事計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、嵌入式系統(tǒng)及應(yīng)用方向的研究。

1671-4598(2017)11-0212-04

10.16526/j.cnki.11-4762/tp.2017.11.054

TP301

A