基于改进相干增强扩散与纹理能量测度和高斯混合模型的导光板表面缺陷检测方法

针对液晶屏(LCD)导光板表面缺陷检测方法存在漏检率和误检率较高,对产品表面复杂渐变的纹理结构适应性差的问题,提出一种基于改进相干增强扩散(ICED)与纹理能量测度和高斯混合模型(TEM-GMM)的LCD导光板表面缺陷检测方法。首先,构建ICED模型,基于结构张量引入平均曲率流扩散(MCF)滤波,使得相干增强扩散(CED)模型对缺陷的细线状纹理有良好的边缘保持效果,并利用相干性得到缺陷纹理增强和背景纹理抑制的滤波后图像;然后,根据Laws纹理能量测度(TEM)提取图像纹理特征,将图像的背景纹理特征作为离线阶段高斯混合模型(GMM)的训练数据,使用期望最大化(EM)算法估计GMM参数;最后,计算待检测图像各像素的后验概率,并将其作为在线检测阶段缺陷像素的判断依据。实验结果表明,该检测方法在导光颗粒随机、规则两种分布的缺陷图像测试数据组上的漏检率和误检率分别为3.27%、4.32%和3.59%、4.87%。所提检测方法适用范围广,可有效检测出LCD导光板表面划痕、异物、脏污和压伤等类型的缺陷。     

无线传感器网络多路径路由协议研究进展*

在研究目前存在的多径路由协议特点及核心路由机制基础上,总结了多路径路由协议的特征,并对不同的多路径路由相关项进行了比较。最后指出了多路径路由的研究思路以及未来的发展趋势。     

一种基于加速度传感器的人体跌倒识别方法

为了减少老年人因跌倒而造成的伤害,及时有效地识别跌倒行为,提出了一种基于三轴加速度传感器的人体跌倒识别方法。首先将加速度传感器放置于人体腰腹位置,采集人在运动时的加速度变化数据;然后使用日常活动数据训练隐马尔科夫模型(HMM),利用老年人活动状态相对较少的特点,从测量数据与HMM的匹配程度寻找"疑似"跌倒行为;最后计算短暂时间内的身体倾角,检测人体躺卧姿态,完成跌倒识别。利用HMM和身体倾角识别跌倒,解决了生活中缺乏跌倒数据训练样本的问题,提高了某些近似行为的区分度。仿真结果表明,该方法在有效识别跌倒行为的同时,提高了正确率。     

一种跨层协助的Ad hoc无线网络广播策略

在Ad hoc无线网络中，对全网范围进行广播有着广泛的应用。而Ad hoc网络节点资源、网络资源严重受限，广播引起的广播风暴问题加剧了资源的消耗。本文提出一种跨层协助的广播策略，该策略利用一跳邻节点的信息和物理层、数据链路层的信息统一在MAC设置退避时间，并根据发送节点密度自适应调整退避的时间，减少转播冗余、冲突发生的概率和延迟，确保了广播的可达性。仿真结果也表明提高了广播的效率。     

Ad Hoc无线网络跨层设计综述

为了进一步适应Ad hoe无线网络环境下各种应用的需要，提高网络性能，Ad hoe无线网络的跨层设计已成为目前国内外网络研究的热点和难点问题之一。给出了Adhoe无线网络跨层设计的定义，分析了跨层设计的原因、优势和主要技术；对跨层设计的方法进行了分类，主要包括四种方法：层间传递相关信息，联合优化网络相关层，融合相邻层，分层作为网络最优化分解，并对它们进行了分析比较和评价；最后探讨了Adhoe无线网络跨层设计面临的挑战和今后的研究方向。     

基于相似日和多集成组合的短期负荷预测

针对短期电力负荷预测精度低、泛化能力弱等问题,提出了一种基于相似日选取与多集成组合的短期电力负荷预测模型。首先利用最大信息准则MIC(maximal information coefficient)选取高相关变量作为模型输入;然后综合考虑MIC与灰色关联度,对气象敏感性较弱地区的负荷进行相似日选取;最后引入集成随机子空间、自适应增强、堆叠-神经网络的框架组合多核核极限学习机,对待预测日进行回归拟合,输出最终预测结果。采用马来西亚柔佛州供电公司提供的负荷数据进行算例分析,结果表明,相比于随机森林、BP神经网络和循环门控单元,所提模型的预测精度更高、泛化能力更强。     

基于特征选择和组合模型的短期电力负荷预测

提出基于特征选择和组合模型的短期电力负荷预测方法。首先将特征向量按特点分为2类,分别使用斯皮尔曼相关系数、最大相关最小冗余算法进行选择,依据贝叶斯信息量准则确定最优特征向量维度。然后使用3个不同的核函数建立单核递归支持向量回归模型并完成预测。最后构建神经网络,进行实验分析。仿真结果表明所提方法具有较高的预测精度与鲁棒性。     

基于双重注意力机制和GRU网络的短期负荷预测模型

电力负荷预测对电力系统的部署、规划和运行影响重大,但目前各输入特征对电网负荷情况影响的程度不稳定,且递归神经网络捕获负荷数据的长期记忆能力差,导致预测精度下降。提出一种基于双重注意力机制和GRU网络的预测新模型,利用特征注意力机制自主分析历史信息与输入特征间的关联关系,提取重要特征,并通过时序注意力机制自主选取GRU网络中关键时间点的历史信息,提升较长时间段预测效果的稳定性。在3个公开数据集上的实验结果表明,该模型在预测精度指标上表现良好,对比SVR、KPCA-ELM、DBN、GRU、Attention-GRU、CNN-LSTM、Attention-CNN-GRU模型预测精度分别提高了2.47、1.14、1.93、1.37、1.04、0.74、0.41个百分点。     

基于半监督极限学习机的增量式定位算法

针对目前室内指纹定位算法存在实时性差、对动态环境适应性不足的问题,提出一种新的基于半监督极限学习机的定位算法.该算法首先通过半监督极限学习机建立初始化位置估计模型,然后利用新增的半标记数据对原定位模型进行动态调整,最后为新增训练数据分配合适惩罚权重,使模型具有时效机制.仿真结果表明,该定位算法在保证定位实时性的同时提高了对动态环境的适应性.     

无线传感器网络CDPMR路由算法研究

在无线传感器网络路由协议中,分簇路由具有扩展性强、数据融合简单、能量利用高效等特点。基于一些分簇算法和多路径路由算法,提出基于簇指挥路径的多路径路由算法（CDPMR）。仿真结果表明,与其他路由算法相比,CDPMR扩展性好,控制负载低,网络拓扑稳定,能减少网络重构开销带来的通信代价,有利于均衡网络能量消耗,延长网络生命周期。