无线PDA控制的智能家居平台

结合无线技术和嵌入式技术设计并开发了智能家居程监控系统,对系统的结构框架、具体功能以及实现都做了详细介绍。用户通PDA遥控家庭设备,家庭网关能接收并解析用户的控制命令,按照用户要求执行具体操作,也可把状态信息和报警信息反馈给用户终端。     

我国十二座大中城市公交线路网络分析

城市公交线路网络反映了整座城市的公共交通状况,通过对城市公交线路网络的研究,有利于发现城市公共交通中存在的问题,是提高城市公交运输能力的前提.从复杂网络的角度,分析比较了我国12座大中城市的公交线路网络的统计性质.定义了城市公交线路网络,基于该定义建立了12座城市的公交线路网络,对12座城市公交线路网络的度的取值、度的分布、权的分布、网络结点及边的介数分布进行了分析,得出了相关规律.     

基于几何位置的标记特征恢复方法研究

在场景中设置标记足增强现实中跟踪摄像机空间姿态的一种常用方法.针对复杂场景中标记被局部遮挡、或光线变化影响标记特征检测的问题,提出了一种基于几何位置的标记特征恢复方法.该方法利用空间向量的几何特征,通过延长与合并被截断的空间线段,并根据标记线段的邻域存在像素灰度值突变的特征,恢复被遮挡标记的特征线段.为验证方法的有效性,将该方法应用于基于增强现实的虚实交互系统,实验结果表明,在标记被局部遮挡或光线多变条件下,该方法能够恢复标记特征,较好地实现了标记的跟踪与注册.     

IVDQP—物联网内基于兴趣向量的分布式查询处理方法

物联网内资源按需检索是构建高效率物联网应用的必备功能。实现一种基于兴趣的数据单播查询处理方法IVDQP,采用一种单播的方式对任意物联网节点提出的数据检索请求进行节点间传递,并以一种累积的方式将中间节点上的检索结果按照查询单播传递路径返回给查询节点。与Flooding算法的对比实验表明,提出的这种物联网内单播查询处理方法不仅能够迅速定位尽可能多的符合查询要求的数据,而且能够保证引入尽可能少的节点间的消息交换,从而为高效物联网应用的实现提供技术支持。     

LSTM与随机森林购买行为预测模型研究

为预测用户的购买行为,本文提出了一种基于LSTM与随机森林相结合的预测模型。该模型不仅对用户的行为数据进行量化提取特征和商品的属性提取特征,同时结合LSTM对序列数据处理的优势,将用户的行为数据作为先后关联的序列进行动态特征提取,再结合随机森林对用户的购买行为进行预测,最后采用某商城真实的商品月销售数据进行实验验证。研究结果表明,该基于动态特征的组合模型精确率达到了98%以上,比单一的随机森林模型采用静态特征预测有较大提高,同时召回率和正确率也有所提高。该模型为用户购买行为的预测提供了有效方法。     

移动传感器网络路由协议的多跳数据传输及能耗性能分析

为了研究无线传感器网络路由协议性能与网络节点移动性之间的关系,基于网络模拟器NS-2构建了无线传感器网络的11种静止模型和16种移动模型,基于模型设计了不同的仿真实验,并对AODV和DSR协议的性能进行了评估。在评估过程中引入了一种全新的可以精确计算网络能耗的层次型能耗评价方法ECOB。实验结果表明,在节点静止及低移动速度的环境中,无线传感器网络路由协议性能受节点移动速度及网络规模的影响不大;然而,随着越来越多的移动节点参与多跳数据传输,受节点移动速度提高的影响,AODV和DSR的多跳数据传输性能下降幅度增大;与DSR相比,AODV更适合高移动性的大规模移动场景。     

基于随机森林和神经网络的空气质量预测研究

为更好的监测空气质量和重点污染源的浓度,本文基于随机森林和神经网络优化,建立了预测空气质量指数的模型。通过随机森林算法进行特征选择,选取最优特征子集,用获取的最优特征子集训练神经网络模型,进行空气质量指数预测,最后利用2017年气象和污染物浓度数据验证模型。验证结果表明,预测结果与实际值的相关系数达到0.82,空气质量等级预报的准确率提高到80.56%。与其他模型的预测效果比较结果表明,该模型可发现与青岛市空气质量密切相关的特征因子,并有较高的空气质量预测精度。该研究具有一定的实际应用价值。     

基于小波稳健的超分辨率图像重建算法

针对超分辨率图像重建算法多存在计算量大、收敛稳定性不高且收敛慢的问题,提出一种基于小波稳健的正则化超分辨率图像重建算法。该算法利用小波变换生成初始图像,对重建图像的质量有明显提高。采用1-范式(L1)度量正则项,增强了算法的稳健性,通过导入自适应的正则参数提高了算法的效率。经仿真实验证明了算法的有效性。     

日本东京大学计算机本科课程设置分析与启示

立足人工智能领域创新型人才培养的实际需求,介绍日本东京大学计算机本科人才培养的模式,分析和总结日本东京大学计算机专业本科课程设置的特点,说明对我国高校计算机本科人才培养提供的启示。     

HIV-1蛋白酶切割位点预测研究

为有效减缓艾滋病毒在人体内的复制速度,本文利用长短时记忆递归神经网络,对HIV-1蛋白酶切割位点进行分类预测。使用长短时记忆递归神经网络模型作为主要分类模型,首先对氨基酸分别进行标准正交编码和TVD编码,作为分类模型的输入,模型结果的输出由1和-1表示,1表示可以被切割,-1表示不能被切割,最后对模型分别进行十折交叉验证和AUC评估,并以支持向量机模型作为对比模型进行分析。分析结果表明,在正交编码的条件下,用sigmoid激活函数长短时记忆递归神经网络的分类正确率和AUC值均为最佳,径向基函数支持向量机略高于线性支持向量机,线性长短时记忆递归神经网络分类正确率最低,有助于HIV-1蛋白酶抑制剂的研究。该研究具有一定的实际意义。