基于改进粒子群算法的无线传感器网络节点定位

针对传统距离矢量-跳数(DV-Hop)算法中最小二乘法的估计误差过大、粒子群(PSO)算法易陷入局部最优的问题,提出了一种改进粒子群算法与DV-Hop的融合算法。首先从粒子速度、惯性权重、学习策略、变异方面对粒子群算法进行改进,增强算法跳出局部最优的能力,提高迭代后期算法的搜索速度;然后在DV-Hop算法第三阶段采用改进粒子群算法优化节点的定位结果。仿真结果表明:相比传统DV-Hop算法、基于混沌粒子群算法的DV-Hop改进算法(MPSO1-DV-Hop)和基于改进型粒子群优化的DV-Hop算法(MPSO2-DV-Hop),该算法的定位精度高,稳定性好,适用于定位精度和稳定性要求较高的场景。     

改进的马氏距离动态时间规整手势认证方法

针对现有动态手势认证方法普遍采用的动态时间规整(DTW)算法在计算欧氏距离(ED)时各维特征向量被同等对待且各维特征间的相关性被忽视等问题,提出一种改进的马氏距离动态时间规整手势认证方法.通过手机内置三轴加速度传感器实时获取动态手势信号,经数据预处理后由改进动态时间规整算法进行加速度信号相似性度量,在计算过程中根据协方差矩阵特点进行时间复杂度优化,最后根据模板匹配法得出认证结论.实验结果表明,经改进后等错率(EER)由3.02%降至1.39%,经优化后认证响应时间平均降低87.84%.该方法进一步提高了动态手势认证精确度,同时实时性良好.     

基于改进科学计算浮点数压缩算法的工业远程监控数据无损压缩方法

为解决大量工业远程监控数据在通用分组无线服务(GPRS)网络上的传输延迟问题,提出了基于改进科学计算浮点数压缩(FPC)算法的工业远程监控数据无损压缩方法.首先,根据工业监控数据中浮点数部分的特点对原FPC算法中的预测器结构进行改进,并将该改进算法作为浮点数部分的压缩算法; 然后,与区间编码相结合作为整个数据域的压缩方法.改进前后的浮点数部分压缩实验结果表明改进的FPC算法提高了预测器的预测精度,且在保持较高压缩效率的同时提高了压缩率.与通用无损压缩算法相比,所提算法提高了12%以上的平均压缩率,减少了38.5%以上的平均压缩时间,使得传输时间降低了23.7%以上,在传输数据量大且传输速率不高的情况下大大提高了监控的实时性.     

融合并行混沌萤火虫算法的K-调和均值聚类

针对K-调和均值算法易陷于局部最优的缺点,提出一种基于改进萤火虫算法(firefly algorithm, FA)的K-调和均值聚类算法。将基于FA的粗搜索与基于并行混沌优化FA的精细搜索相结合,其中精细搜索部分首先通过FA搜索到当前最优解及次优解,然后通过改进的logistic映射与并行混沌优化策略产生混沌序列在其附近直接搜索,以增强算法的寻优性能。最终,将这种改进的FA用于K-调和均值算法聚类中心的优化。实验结果表明:该算法不但对几种测试函数具有更高的搜索精度,而且对6种数据集的聚类结果均有一定的改善,有效地抑制了K-调和均值算法陷于局部最优的问题,提高了聚类准确性和稳定性。     

数值求解优化问题在活动轮廓模型上的应用

针对活动轮廓模型图像分割过程中迭代次数多,分割速度慢的问题,提出一种高阶的数值求解方法。分析活动轮廓模型中基于全局信息的CV模型,以及基于局部信息的LBF模型,LIF模型。使用二阶、三阶Runge-Kutta方法,原始Euler方法对模型进行数值求解实验对比分析。并对LBF模型中平滑项系数,时间步长的选取进行讨论。通过对非同质图像、同质图像的实验结果分析表明,所采用的数值方法能够有效地提高数值收敛精度、减少迭代次数、计算效率高。对不同系数和时间步长,数值方法也能表现出较好的稳定性。     

移动终端手势识别中DTW匹配算法研究

针对现有手势识别算法中存在的计算量复杂、识别率低和效率差等不足,提出一种基于L-ADTW的移动终端手势识别的匹配方法,利用手机内置加速度传感器进行手势识别,采用差分检测方法自动检测出有效手势序列,用改进的起始松弛点对有效手势序列进行校准,使用L-ADTW匹配算法进行有效手势序列段匹配,并将匹配结果与优化阈值比较分析。实验结果表明,提出的L-ADTW算法,在保证手势匹配高效的前提下,使等错率降到2.5%,认证成功率提高了5.37%。     

无线传感器网络中改进的DV-Hop算法

针对传统DV-Hop算法中定位精度低的问题,该算法从三个方面进行改进,（1）设置距离发射端标准一跳时节点所接收的接收信号强度指示（RSSI）值,利用节点接收信号的RSSI值与设置的RSSI值之间的比来修正跳数。（2）将未知节点的平均跳距分两段考虑,使未知节点到锚节点的估计距离更精确。（3）构造校正向量,对未知节点的估计坐标进行校正。仿真实验表明改进算法的定位精度明显高于传统DV-Hop算法和文献[6]基于RSSI比值修正的算法,稳定性也有一定的提升。     

基于非均匀分簇的WSN双簇头路由算法

针对无线传感器网络中多跳通信造成的“热区”问题,改进EEUC路由协议,提出基于非均匀分簇的WSN双簇头路由算法。将数据监测区域分为近区与远区,各区域的簇内可产生主副两个簇头,近区的副簇头负责转发数据,以分担主簇头的能耗;远区的副簇头负责采集数据和融合数据,以减少簇内节点通信代价。仿真结果表明,与LEACH和EEUC算法相比,所提算法网络生存期分别延长了22.9%和10.1%,平均能量消耗减少了29.3%和8.6%,有效地均衡了网络负载,延长了网络的生命周期。     

随机时延下多输入多输出多智能体系统事件触发双向编队

针对动力学模型未知的多输入多输出非线性离散时间多智能体系统的随机时延问题,提出一种输入增益补偿策略,并针对其通讯受限问题,提出一种带有死区操作器的事件触发控制机制.首先,采用伪偏导技术沿时间轴方向,在智能体的每个工作点上建立一种紧格式动态线性化数据模型,并给出该数据模型的参数估计算法.在此数据模型的基础上结合符号图论,研究智能体之间的合作与竞争关系,设计一种事件触发的数据驱动双向编队控制算法.最后,通过李雅普诺夫稳定性理论、矩阵理论以及压缩映射原理论证所提出算法的收敛性,并通过仿真实验和实物实验进一步验证该算法的正确性与有效性.     

基于EMD的改进MFCC的语音情感识别

人在不同情感下的语音信号其非平稳性尤为明显,传统的MFCC只能反映语音信号的静态特征,经验模态分解能够精细地刻画语音信号的非平稳特性。为提取情感语音的非平稳特征,用经验模态分解将情感语音信号分解为一系列固有模态函数分量,通过Mel滤波器后取其对数能量,进行DCT反变换后得到改进的MFCC作为情感识别的新特征,采用支持向量机对高兴、生气、厌烦和恐惧等四种语音情感识别。仿真实验结果表明：改进的MFCC识别率达到77.17%,在不同的信噪比下,识别率最大可提高3.26%。