排序方式: 共有13条查询结果,搜索用时 0 毫秒
1.
在无线传感无器网络中,为了提高数据融合算法的性能,设计了一种基于深度学习的二值化层叠稀疏滤波模型(BSSFM),BSSFM将若干稀疏滤波器层叠并对权值参数进行二值化从而能快速有效的提取高维数据特征,之后将BSSFM和分簇协议相结合提出数据融合算法BSSFMDA,BSSFMDA首先在汇聚节点逐层训练BSSFM并对网络分簇,簇节点利用BSSFM进行数据特征提取,之后簇首将分类融合后的特征发送至汇聚节点。仿真实验表明,和SOFMDA等算法相比,BSSFMDA在模型训练时间、特征提取速度、正确率以及节点能耗等方面的表现均更加优异。 相似文献
2.
3.
4.
5.
工控应用程序的一种仿真调试方法 总被引:1,自引:0,他引:1
工控应用程序的完善设计是保证计算机控制系统的性能与可靠性的一个重要措施 ,而仿真调试是使应用程序完善化的一个重要环节。本文讨论数字仿真技术在工控应用程序实验室调试中的应用原理 ,并给出某火电厂减温器计算机控制系统的工控应用程序的仿真调试作为应用示例加以说明 相似文献
6.
本文论述了PC与PLC之间的通信方法,详细地说明了通信协议的帧结构,并以加热炉温度采集系统为例来实现温度的监控。 相似文献
7.
MATLAB环境下工控应用程序的仿真研究 总被引:1,自引:0,他引:1
本讨论在MATLAB环境下调用C语言工控应用程序进行仿真实验的方法,介绍了被调试的C程序的数据结构、编程、编译与仿真方法,并以火电厂减温器的纯滞后补偿控制的仿真实验为例加以说明。 相似文献
8.
在无线传感器网络数据融合算法中,BP神经网络被广泛用于节点数据的特征提取和分类。为了解决BP神经网络收敛慢,易陷入局部最优值且泛化能力差从而影响数据融合效果的问题,提出一种将深度学习技术和分簇协议相结合的数据融合算法SAESMDA。SAESMDA用基于层叠自动编码器(SAE)的深度学习模型SAESM取代BP神经网络,算法首先在汇聚节点训练SAESM并对网络分簇,接着各簇节点通过SAESM对采集数据进行特征提取,之后由簇首将分类融合后的特征发送至汇聚节点。仿真实验表明,和采用BP神经网络的BPNDA算法相比,SAESMDA在网络能耗大致相同的情况下具有更高的特征提取分类正确率。 相似文献
9.
基于最大后验概率密度的粒子过滤器跟踪算法 总被引:3,自引:1,他引:2
Kalman滤波的弱点是它无法解决非线性、非高斯问题的跟踪。为此提出了一种新型的跟踪算法,粒子过滤器算法。该算法采用加权的粒子集模型表示状态的分布,迭代跟踪状态的变化。其优点是它可以适应复杂环境的重叠和遮挡情况,且能同时跟踪多目标。采用最大后验概率模型确保了状态判断和估计的准确性。对重采样的分析减少了算法对噪声的敏感。并把样本安排在目标可能出现的区域。在眼睛跟踪系统上实现了该算法。仿真结果表明MAP模型在精度上与传统的方法比较提高7%。眼睛跟踪的结果证实了仿真的结果。 相似文献
10.