一种改进的免测距节点定位算法研究

为了更好地解决无线传感器网络中节点定位精度和复杂测距技术之间的矛盾,在分析现有免测距定位算法的基础上,提出了一种免测距的节点定位改进算法。对传统DV-HOP算法进行了三方面的改进：利用未知节点到锚节点的距离及节点通信半径为约束条件构造似然函数,确定未知节点分布的可能区域;依据未知节点到各邻居锚点的跳数对它估计的平均每跳距离进行加权处理,然后用各邻居锚节点加权处理后的平均点的平均每跳距离,最后通过最小均方误差准则优化这一估计值;当未知节点获得与其3个或3个以上邻居锚节点的距离后,首先运用进行三边测量法进行自身定位,其后升级为锚节点,向网络中传播自己的位置信息。参与下一个未知节点的定位过程中,实现了传统DV—HOD算法的改进。仿真结果表明了该节点定位算法的有效性。     

美初步裁定对华铜版纸征收“双反”关税

美国国际贸易委员会11月6日初步裁定,对从中国和印度尼西亚进口的铜版纸等产品征收“双反”关税,即反倾销和反补贴关税,“双反”税率目前尚未确定。     

雷电电磁脉冲分析及研究

雷电是一种危险现象,雷电过程所产生的强大闪电电流。将产生电磁场变化和丰富的电磁辐射,不仅干扰无线电通讯。严重时甚至使通讯中断。雷电电磁脉冲屏蔽及电磁防护问题是现在航空航天所面对的一个重要问题。本文介绍了闪电的成因。分析了雷电电磁脉冲对金属板的作用。先是分析了雷电电磁脉冲通过薄金属板的场。并依据Bruce和Golde给出的双指数经验公式计算了雷电电磁脉冲通过金属薄板的场的分布。     

Citrix瘦客户机/服务器计算技术在化工计算中的应用

文章介绍了网络计算的发展状况和瘦客机／服务器计算模式的原理，并着重对Citrix瘦客户机／服务器计算技术进行了讨论。Citrix唐客户机／服务器计算模式包括3个关键的组成部分，即多用户操作系统、可将应用程序的逻辑与用户界面分开的有效的计算技术、集中化的应用程序与及用户管理。本文给出了Citrix瘦客户机／服务器计算模式的化工计算中的应用实例。     

重质油中的分子聚集结构及其对重质油稳定性的影响

重质油组分分子的聚集是重质油最显著的特征之一,重质油的高粘特性和相态稳定性均与此聚集行为有紧密的联系.为克服实验研究获得重质油微观聚集结构的困难,本文采用Zhang等人针对重质油体系改进的耗散粒子动力学(DPD)方法,研究重质油的分子聚集结构及其对重质油稳定性的影响.根据重质油组分的结构特征,可将重质油表达为其他轻组分...     

基于IGES接口的电磁计算模型数据交互

现今武器大多是利用非均匀有理B样条(non-uniform rational B-spline,NURBS)数学表述,在CAD/CAM系统下完成建模和重构.利用电磁计算软件运算武器模型的雷达散射截面(radar cross section,RCS)从而评估其隐身性能,就需要与CAD/CAM系统进行数据交互.通过对基本图形转换规范(initial graphics exchange specification,IGES)数据标准的分析,为电磁计算软件编译了IGES数据接口.该数据接口具备IGES文件数据导入和模型数据导出另存为IGES文件格式的功能,从而实现了自行开发的计算软件CRCS v1.2和CAD系统软件的数据交互,提高了软件处理复杂模型的能力进而使模型重构与计算趋于一体化.     

Ⅰ型甲烷水合物晶体稳定性的分子动力学模拟

采用分子动力学方法,模拟了晶穴占有率和温度变化对I型甲烷水合物晶体稳定性的影响。通过考察晶体破坏过程中最终构象、均方位移、扩散系数、径向分布函数等分子的动力学和结构性质的变化,分析了分子动力学模拟中晶体结构失稳的微观特征,并提出了判断甲烷水合物晶体结构失稳的依据,这对水合物形成和分解过程的研究具有重要的参考价值。     

基于半分积分投影的车牌字符快速识别算法

提出了一种用于车牌识别的快速字符识别算法。首先利用半积分投影把大小为W×H的二值化字符图像转化为长度为2(W×H)的一维信号,保留了用于图像识别的关键特征,降低了后续算法的复杂度。然后将投影得到的数据进行离散Harr小波变换,抽取第二层小波变换后的低频系数并送入支持向量机进行训练识别。实验结果表明,所提算法可以使车牌字符的总识别率达到97.60%,平均识别时间为16.2ms,有效地提高了识别速度和精度。     

面向快递员揽收到达时间预测的多任务深度时空网络

快递员揽件到达时间预测,即预测用户下单后快递员的上门揽收时间,一直都是物流企业所关心的重要问题。准确的揽件到达时间预测可以优化揽件效率,提升用户体验。该问题主要存在以下挑战：(1)快递员揽件到达时间受到多种复杂时空因素的影响,包括待预测订单自身的时空特征,以及与其他待揽收订单之间的相互影响;(2)快递员在执行揽件任务期间,会不断接收到系统分配的新订单,造成揽收路线的动态变化,从而给揽件到达时间预测带来了更大的不确定性。针对以上挑战,提出了一种面向揽件到达时间预测的多任务深度时空网络MSTN4PAT模型,从海量的揽件历史数据中学习快递员揽件到达时间的复杂时空模式。MSTN4PAT充分挖掘待预测订单始发地与目的地之间的内在关联,使用多任务学习来建模订单之间的相互影响,并从特征宽度和特征深度2个角度高效融合各种特征,实现准确的揽件到达时间预测。在真实的揽件数据集上的实验结果表明,MSTN4PAT的预测效果明显优于对比模型。