基于RFID技术的智能家校通门禁管理系统设计与实现

针对现代大学生自我约束能力不足、晚归及旷寝等事件频繁发生、安全防范能力缺乏等现象,结合高校学生管理的需求,提出基于射频识别(RFID)技术的智能家校通门禁管理系统的设计方案.该系统运用C#开发平台,由门禁子系统(计算机端)、查询子系统(Web端)组成.系统具备实时采集数据、存储数据功能.用户可以在Web端访问数据,能在...     

基于RFID技术的门禁监控系统

射频识别技术是一种新型自动识别技术,具有可靠性高、保密性强、方便快捷等特点.将射频识别技术应用于门禁系统,可以有效、方便、安全地控制重要物理和逻辑场所的出入访问.文中介绍了射频识别原理及其主要特点,并在射频识别系统基础上开发研制了集门禁控制、报警、视频监控为一体的门禁监控管理系统.给出了系统的硬件拓扑结构、功能设计、监控软件的功能模块和实现方法.该系统在WINDOWS平台上,采用先进的客户端/服务器模式,一方面实现了对不同级别持卡者的门禁权限控制,另一方面实现了对非法进入的自动报警、视频监控及图像存贮.     

基于PSO和LSSVM的生化过程建模研究

针对最小二乘支持向量机(LSSVM)在生化过程建模中的重要建模参数值选择问题.提出利用具有较强的全局搜索能力的粒子群(PSO)优化算法.对最小二乘支持向量机建模过程中的重要参数进行优化调整,每一个粒子的位置向量对应一组最小二乘支持向量机建模的参数.利用参数优化调整后得到的具有较优拟合预测效果的模型对谷氨酸发酵过程进行预测,仿真结果表明,该方法能使模型取得较好的预测效果.     

基于OpenCV和LSSVM的数字仪表读数自动识别

为了提高仪表读数及记录的工作效率,减少人工干预并降低出错概率,提出了一种基于OpenCV和LSSVM的数字仪表自动识别方法。首先选取免驱的USB摄像头采集仪表图像,然后采用Canny检测与Hough变换相结合的算法对仪表图像的倾斜角度进行校正;利用数学形态学、Otsu算法以及连通域提取对图像进行预处理和字符定位分割;最后,进行字符特征提取并利用最小二乘支持向量机算法对仪表读数进行识别。经过大量的实验验证,与现有的仪表读数识别方法相比,该方法具有更好的准确性,实现了数字仪表的自动识别功能。     

基于粒子群LSSVM的网络入侵检测

研究保护网络安全问题,计算机网络攻击的多样性及隐蔽性导致网络入侵检测困难.当前流行的人工神经网络检测方法的网络入侵检测率仅70%左右,不能满足网络安全防护需求,为了解决上述问题,提出基于最小二乘支持向量机和粒子群优化算法(PSO-LSSVM)的网络入侵检测方法,粒子群优化算法用于选择合适的最小二乘支持向量机参数.方法泛化能力强,识别精度高.在网络入侵检测中,通过KDDCup99数据库数据进行仿真,证明方法的优越性.实验结果表明粒子群优化算法与最小二乘支持向量机组合方法的网络入侵检测精度优于LSSVM与SVM.可见,PSO-LSSVM非常适合于网络入侵检测,可为网络保护设计提供参考.     

基于LS-SVM的小样本费用智能预测

最小二乘支持向量机引入最小二乘线性系统到支持向量机中,代替传统的支持向量机采用二次规划方法解决函数估计问题。该文推导了用于函数估计的最小二乘支持向量机算法,构建了基于最小二乘支持向量机的智能预测模型,并对机载电子设备费用预测进行了研究。结果表明最小二乘支持向量机具有比多元对数回归更高的小样本费用预测精度。     

基于RFID物联网技术的智能仓库系统设计

智能仓库管理系统可以有效改善传统人工管理存在的不足,提高仓库管理效率,引入RFID物联网技术设计了一种新的智能仓库系统。以GPS技术、GSM、RFID技术为基础建立系统硬件,通过技术底层、大数据管理层、消息交换层组成硬件技术框架,硬件设计了智能仓库库房、数据库、服务器、读取器,由库房区与档案库房组成智能仓库库房,采用SYT-17型数据库扩大硬件数据管理范围,选用S198工作组服务器提高仓库的智能性,利用YU810型接触式读取器增加仓库管理的手摇功能。分别设计商品入库管理程序、信息管理程序、商品实物定位程序、物资盘点程序、手动管理程序和车载控制程序,实现软件操作。实验结果表明,基于RFID物联网技术的智能仓库系统相位反转时间更短,灵敏性更强,通过改善灵敏度能够很好地减少误码率,与传统管理系统相比,响应时间最大缩短了6.14 ms。     

基于APSO—LSSVM的软测量建模研究

针对最小二乘支持向量机在生化过程建模中的重要建模参数值选择问题,提出利用具有较强的全局搜索能力的自适应粒子群（APSO）优化算法,对最小二乘支持向量机建模过程中的重要参数进行优化调整,每一个粒子的位置向量对应一组最小二乘支持向量机建模的参数。利用参数优化调整后得到的具有较优拟和预测效果的模型对谷氨酸发酵过程进行预测,仿真结果表明该方法能使模型取得较好的预测效果。     

基于多尺度稀疏LSSVM的时间序列预测

最小二乘支持向量机在提高了支持向量机的运算速度的同时,失去了解的稀疏性.构造的多尺度稀疏最小二乘支持向量机,首先通过小波包分解对于数据进行多尺度描述,同时采用最小二乘支持向量机的学习算法获得数据之间的尺度相关性,可以实现解的稀疏性和可解释性,从而实现了系统的多尺度分解、子系统建模与合成的一体化.通过在时间序列预测上的应用可以发现,此模型在获得稀疏解的同时,极大地提高了系统的性能.而且,可以获得输出结果在不同尺度上的贡献度,增加了系统的可解释性.