基于定向扩散的无线传感器网络拥塞控制方法

为了缓解无线传感器网络中多对一通信方式出现的拥塞问题,提出了一种基于定向扩散路由协议的拥塞控制方法.在该方法中,转发节点根据本地的拥塞信息调整速率;sink节点周期地检测网络中的拥塞状态并将拥塞信息通过逐跳的方式反馈到源节点,而源节点根据接收到的反馈信息调节速率.仿真实验表明,该算法能有效地缓解网络中出现的拥塞,保证数...     

人工神经网络在改善报警系统性能中的应用

介绍了一种利用BP人工神经网络降低报警系统误报警率的有效方法。以STC89C52RC处理器为平台,在嵌入式系统中应用BP网络先对报警信息进行分析和预处理,再控制报警系统动作。该方法大大降低了报警系统因自然因素导致的误报警概率。采集了100个典型数据对BP网络进行训练,得到了适合应用目标的网络模型,现场实测误报警率几乎为0。该方法的硬件价格便宜,电路简单,是一种降低报警系统误报警率的有效方法。     

2种不同类型的沉降样本对数据处理影响的研究

利用小波模型、神经网络模型及小波神经网络模型,分别以累积沉降样本和间隔沉降样本作为训练样本对沉降进行了分析预测,证明了在大多数情况下采用间隔沉降样本进行沉降分析预测的效果较好．     

线传感器网络中基于距离变换的骨架提取*

在无线传感器网络中,利用骨架信息可以提高路由性能,也可以用于网络定位、导航以及分割等.以往的骨架算法往往假定边界节点被全部识别,但在绝大多数网络中,尤其是低密度网络,边界节点往往很难被全部正确识别.提出了一种基于距离变换的低复杂度、分布式骨架提取算法,该算法不要求所有边界节点被识别.实验结果表明,该算法对于边界不准确时能够得到较好骨架,同时对于边界点缺失具有鲁棒性.     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

列车运行网络抗毁性能的量化研究*

为尽可能减少由于自然灾害导致铁路运输受阻甚至中断情况下受影响的列车数,提出了对现有列车运行方案以抗毁性优化为目标的量化分析方法.首先基于当前列车运行方案建立列车运行网络模型,该模型以实际铁路站点为节点,以实际铁路线为边,以每条边开行的列车数量为边权重;随后提出了一个称之为度权效应的抗毁性评价指标,并以该评价指标为目标函数,使用改进粒子群算法对网络权重进行优化.仿真结果得出了优化前后列车运行网络的抗毁性评价值分别为0.8881和0.9063,表明可通过量化分析方法来刻画列车运行网络的抗毁性能.     

基于改进蜂群算法无线传感器感知节点部署优化*

提出了一种基于改进蜂群算法的无线传感器感知节点部署优化方法,以网络覆盖率为目标函数,将传感器感知节点部署问题形式化为组合优化问题,并采用分层机制对基本蜂群算法进行改进。仿真实验结果表明,本方法能够以相对较小的代价完成传感器感知节点部署,并能降低网络能耗,提高网络的整体覆盖率。     

无线传感器网络中事件驱动数据收集研究进展

无线传感器网络是目前研究的热点,事件驱动数据收集是无线传感器网络中一种重要的信息采集方式。由于节点普遍具有能量水平低、通信能力弱、易损坏等特点,而用户普遍需要网络能长时间稳定工作或尽快获得数据,因此,如何以低能耗、低延迟、高可靠的方式完成事件驱动数据收集是研究的难点。介绍了事件驱动数据收集的概念和特点,对已有的典型事件驱动数据收集协议进行了系统的分析和对比。通过探讨存在的挑战和亟待解决的关键性问题,为下一步更深入的研究指明了方向。     

社交网络形成和演化的特征模型研究

社交网络和微博的网络特征除具有传统无标度网络的典型特征外,还存在其他不容忽视的特征,现有模型均不能对此进行准确描述。在比较分析网络数据的基础上,提出一种混合模型对类社交网络的形成和演化特征进行描述,并建立了基于该模型的平均场方程,方程的解显示出该模型的度分布服从偏移和拉伸后的幂律。仿真结果表明,作者提出的模型模型能描述出社交网络的综合特征。对包括本文模型在内的几种模型进行了比较,并对各种模型间出现特征差别的原因进行了分析。