无线传感器网络中移动sink节点的路径规划

在无线传感器网络中,大量感知数据汇集到sink节点的采集方法会导致sink节点附近的节点能量耗尽,造成能量空洞。针对该问题,利用移动的sink节点进行数据收集是一种解决方法,其中移动sink的路径规划成为一个重要的问题。提出了一个移动sink路径规划算法,将无线传感器中随机分布的节点划分为不同的子区域,寻找sink节点移动的最佳转向点,最终得到最优的移动路径,以实现无线传感器网络生命周期最大化。仿真实验表明,与现有方案相比,该算法能显著延长网络的生命周期。     

不同骨料体积率的轻混凝土损伤-断裂分析

利用三点弯曲梁试验,对不同骨料体积率的轻骨料混凝土进行了断裂试验研究;同时,将混凝土损伤模块和随机骨料投放模块植入基于耦合判据(Coupled Criterion)的有限断裂模型中,首次应用于轻骨料混凝土断裂的数值模拟中。结果表明:该模型能够有效的模拟荷载-位移曲线的全过程,并且同时描述材料的损伤和断裂,同时预测裂纹的萌生与传播;通过能量分析,得出损伤能与断裂能随轻骨料体积率变化的规律。     

基于神经网络算法的三维模型预取系统

三维漫游已经成为十分普遍的远程游览或监控的一种方式。三维漫游过程中,系统往往需要动态调用数据并生成三维模型,这会影响系统运行的效率,降低用户体验。针对这一问题,提出一种基于神经网络的智能预取系统。历史访问日志中,模型的特征与被访问频率之间的映射被提取出来,并用以训练系统。系统可以根据模型特征判断哪些模型更可能被用户请求到,并把它们提前存入内存中。通过某三维变电站实时监控与装配管理系统对该预取系统进行验证。结果表明,通过短时间(一天)对系统的训练,即可做出长期(三个月)的高准确率(90%)的预测,有效提高了系统运行的效率。     

基于GFU和分层LSTM的组群行为识别研究方法

提出一种以"关键人物"为核心，使用门控融合单元（GFU，Gated Fusion Unit）进行特征融合的组群行为识别框架，旨在解决两个问题：①组群行为信息冗余，重点关注关键人物行为特征，忽略无关人员对组群行为的影响；②组群内部交互行为复杂，使用GFU有效融合以关键人物为核心的交互特征，再通过LSTM时序建模成为表征能力更强的组群特征.最终，通过softmax分类器进行组群行为类别分类.该算法在排球数据集上取得了86.7%的平均识别率.     

锐化RAW文件细节表现

<正>任何一张照片都离不开锐化操作,这里我们教你在保证画质的前提下对RAW文件进行锐化处理,丰富画面纹理与细节。软件准备:Adobe Camera Raw学习目标:如何对照片进行锐化.并评估锐化的最终效果。操作耗时:10分钟我们可以通过调整照片的色彩与反差改善其画面效果,而调整锐度则能带来锦上添花的变化。但相对色彩与反差的调整来说,对照片进行正确的锐化处理则是一件非常棘手的事情。大多数相机为了避免细节丰富的区域出现摩尔纹的情况,通常都会内置低通滤镜对画面进行轻微的     

多晶硅锭中硬质点分析及控制研究

以多晶硅锭中硬质点为研究对象,通过实验研究和数值模拟的方法,对多晶硅锭中硬质点进行形貌和成分分析,并提出改善控制方法。研究结果表明硅锭中部的硬质点较细小,主要由SiC组成;硅锭头部的硬质点较粗大,主要由SiC和Si3N4组成,还有少量O的存在。进一步研究发现多晶硅定向凝固铸锭炉的热场结构对于多晶硅锭硬质点形成有直接影响,通过改进热场结构,优化晶体生长界面,显著减少了铸锭中硬质点的数量。     

医学专业大学新生适应问题与应对方式、人格特征相关研究——以海南医学院医学新生为例

目的:了解医学专业大学新生适应问题的现状,不同医学生在适应问题、应对方式的选择及人格特质层面的差异并分析适应性与应对方式及人格特质的关系。方法:采用大学生适应性量表(CCSAS)、大五人格量表以及应对方式量表对海南医学院322名医学专业大学新生进行测评。比较不同性别学生各量表评分情况,分析各量表间的相关性。结果:男学生校园生活适应、情绪适应评分及适应性总分均高于女学生(P<0.05)。不同性别学生各项应对方式评分及总分比较,差异均无统计学意义(P>0.05)。男学生情绪稳定性、外向性及宜人性评分低于女学生(P<0.05)。外向性、开放性、宜人性和谨慎性与适应性量表各维度均呈正相关(P<0.05),情绪稳定性与适应性量表各维度均呈负相关(P<0.05)。解决问题和求助与适应性量表各维度均正相关(P<0.05),适应性量表各维度和自责、幻想、退避及合理化均呈负相关(P<0.05)。结论:医学专业大一新生对大学新生活存在不适应问题,其中男生对新环境的适应性更强,女生情绪稳定性、外向性及宜人性更强。外向性、开放性、宜人性和谨慎性与适应性均呈正相关,情绪稳定性与适应性均呈负相关;解决问题和求助与适应性均正相关,自责、幻想、退避及合理化与适应性均呈负相关。     

共享交通的时空轨迹检索与群体发现

为解决共享交通下的共乘用户群体发现效率低、准确率不高问题，依据R-树原理建立GeoOD-Tree索引，并在此基础上提出以最大化共乘率为目标的群体发现策略。首先，对原始时空轨迹数据进行特征提取与标定处理，挖掘有效出行起讫点（OD）轨迹；其次，针对用户起讫点轨迹的特征，建立GeoOD-Tree索引进行有效的存储管理；最后，给出以最大化共乘行程为目标的群体发现模型，并运用K最近邻（KNN）查询对搜索空间剪枝压缩，提高群体发现效率。采用西安市近12000辆出租车营运轨迹数据，选取动态时间规整（DTW）等典型算法与所提算法在查询效率与准确率上进行性能对比分析。与DTW算法相比，所提算法的准确率提高了10.12%，查询效率提高了约15倍。实验结果表明提出的群体发现策略能有效提高共乘用户群体发现的准确率和效率，可有效提升共乘出行方式的出行率。