RFID系统防碰撞算法的研究及其改进

射频识别技术中,防碰撞问题是提高系统读取效率的关键问题。文章在传统防碰撞算法的基础上,提出一种优化的基于动态帧时隙ALOHA的防碰撞（Improved dynamic framed slotted ALOHA,IDFSA）算法。实验结果表明：IDFSA算法大幅度地提高了系统的时隙利用率和读取效率。     

一种山核桃脱脯机获得国家专利

日前,安徽省宁国市忠堂机械厂生产的6HT-500型山核桃脱脯机获得国家知识产权局颁发的实用新型专利证书。该脱脯机作业效率每小时达500千克以上,功效是人工的15倍,经济合算,节本增效,每年可为林农节本1500多万元。     

基于ADE7758专用芯片的多功能电能测量表

介绍了基于ADE7758的多功能电能测量表的总体设计,具体描述了ADE7758芯片的性能和内部工作原理,着重介绍了接口单元的硬件设计和测量仪的软件设计。     

基于Agent和XML的普适计算上下文集成框架

普适计算是一种新的计算模式,目的是根据用户需要提供随时随地的服务。为实现这种服务,需要多种设备和软件平台的参与,而这些设备和平台提供的上下文往往是异构且冗余的,不利于上下文信息的访问。设计一个集成框架,以解决以上问题。方法是利用Agent采集底层上下文信息,并将其转换成各种应用程序或中间件能够理解的格式,屏蔽数据异构。在高层,采用Agent技术,并使用XML作为移动Agent通信语言,实现上下文信息的交流,完成上下文的高层集成,解除平台异构,从而简化应用程序的设计,更有效地支持普适服务。     

无线传感器网络中基于多属性决策的数据转发算法

如何在严格的能量约束下均衡传感器节点能耗、延长网络生存时间是无线传感器网络数据转发研究中的一个难题.利用多属性决策理论提出了一种基于多属性决策的数据转发(multiple attribute decision making based data forwarding, MadmDF)算法来解决该问题.MadmDF算法综合评价备选数据转发节点的属性信息,从中选择最优邻居节点进行数据转发,使网络数据流量得到了合理的分配,从而均衡了网络能耗,延长了网络生存时间.仿真结果表明该算法与同类数据转发算法相比具有一定优越性.     

基于Agent和XML的普适计算上下文集成框架

普适计算是一种新的计算模式,目的是根据用户需要提供随时随地的服务.为实现这种服务,需要多种设备和软件平台的参与,而这些设备和平台提供的上下文往往是异构且冗余的,不利于上下文信息的访问.设计一个集成框架,以解决以上问题.方法是利用Agent采集底层上下文信息,并将其转换成各种应用程序或中间件能够理解的格式,屏蔽数据异构.在高层,采用Agent技术,并使用XML作为移动Agent通信语言,实现上下文信息的交流,完成上下文的高层集成,解除平台异构,从而简化应用程序的设计,更有效地支持普适服务.     

基于无线传感器网络的普适计算中分发机制研究

在基于无线传感器网络的普适计算环境中,由于节点的移动,使得无线传感器网络中消息分发机制不再适用.在分析消息分发的影响因素的基础上,利用虚拟网格实现了寻找最短路径作为消息分发路径,同时讨论了此机制中面临的源节点移动时出现的新问题,并通过仿真分析验证了提出的分发机制的可行性.     

基于主元分析的无线传感器网络数据融合研究

由于传感器节点能量有限且难以补充,无线传感器网络设计的一个重要目标就是在严格的能量约束下最大化网络的生存时间。网内数据融合是减少传感器节点数据传输量、降低网络总能耗,最大化网络生命周期的一种有效途径。本文利用主元分析法PCA中的数据降维技术,提出一种在无线传感器网络的簇内进行数据融合的方法。该方法的主要思想是利用网络的簇头节点对具有一定相关性的多个簇内节点的实测变量进行线性变换,将其转化为少数几个不相关的综合指标后再进行数据转发,从而达到减少网络中的数据传输量和能量消耗的目的。理论分析和实例验证表明了该方法的有效性和实用性。     

NCMA法脱碳新技术开发及工业应用

二氧化碳脱除在合成甲醇、合成氨、制氢、天然气等工业生产中是非常重要的一个环节，目前广泛采用的脱碳方法主要分为化学吸收法、物理吸收法和物理化学吸收法3类，其中化学吸收法适合于CO2分压较低、净化度要求高的情况，但再生热能耗较大；物理吸收法适合于CO2分压较高、净化度要求较低的情况，只需降压或气提进行再生，总能耗比化学吸收法低，但CO2回收率低，脱CO2前需将硫化物去除；物理化学吸收法净化度较高，总能耗介于化学吸收法与物理吸收法之间。     

融合MAML与BiLSTM的微博负面情感多分类方法

随着社交网络的不断发展,微博成为人们日常生活中分享观点和感情的重要平台,分析用户的情感倾向可以有效地应用于舆情控制、民意调查、商品推荐等工作。传统的深度学习算法在面对新的工作任务时,往往需要大量数据重新训练才能得到较好准确率。针对这一情况,提出了一种基于MAML（model-agnostic meta-learning）与BiLSTM（双向长短时记忆网络）的微博负面情感多分类方法。对微博文本进行词向量化表示,构建MAML与BiLSTM结合的模型,其中BiLSTM实现对微博负面情感的分类,通过随机梯度下降更新参数;MAML中的元学习器则通过计算多次训练的损失总和,进行第二次梯度下降,更新元学习器参数。通过更新后得到的元学习器可以在面对新的微博负面情感分类任务时快速迭代。实验结果表明：相较于目前流行的模型,在微博负面情感数据集上,准确率、召回率和F1值分别提高了1.68个百分点、2.86个百分点和2.27个百分点。