基于IMCB算法的无线传感器网络节点定位

针对蒙特卡洛盒(MCB)移动定位算法中存在的样本点退化问题,提出一种改进的蒙特卡洛盒(IMCB)定位算法,将其应用于无线传感器网络节点定位中。在MCB算法的基础上,通过分析当前时刻定位结果、节点距离以及相对位置信息,获得下一时刻在样本盒不同区域的采样概率,使样本点尽可能落在后验概率较大的区域内,从而解决MCB算法样本点退化导致定位精度降低的问题。仿真实验结果表明,在相同条件下,与MCB、MCL算法相比,IMCB算法的平均定位精度提高约14%,平均定位能耗降低约17%。     

一种高动态低信噪比环境下基于多样本点串行快速傅里叶变换的信号捕获方法

高超音速技术是未来空间飞行器的发展趋势,同时对通信平台在超高动态、低信噪比环境下的快速捕获能力也提出了新的挑战.针对经典捕获算法受频偏影响的局限性,该文提出一种基于信号多样本点串行快速傅里叶变换的信号捕获算法(MS-FFT),所提算法通过串行执行多个样本点的FFT,采用非相干合并后的峰值搜索得到捕获结果,在不增加复杂度的条件下,避免了频偏对捕获性能的影响.通过对峰值信噪比(PSNR)理论公式的推导,证明了MS-FFT的频偏适应范围取决于采样率,随着数模转换器件采样能力的不断提升,具有比经典算法更大的频偏适应范围.最后,通过仿真验证了上述理论推导的正确性,证明了所提算法更加适合超高动态环境的应用场景.     

基于径向基函数的滑动轴承压力分布求解模型

建立了一种基于径向基函数配置理论的滑动轴承压力分布求解数学模型。这是一种无网格方法，采用全局逼近模式求解，建模简单，可以方便地向三维空间推广。以圆柱轴承为例，计算了轴承内油膜压力分布，比较了新模型与有限元模型的计算结果，指出新模型可以用较少的样本点获得同样高的精度。分析了形状参数对计算结果精度和可靠性的影响，指出形状参数存在最佳值，提出了基于联想点误差最小原则选择最佳形状参数的方法。     

寻找平面代数剖分样本点的改进算法

基于非线性多项式方程的零点配对算法以及临界点算法，给出了一种求平面代数剖分样本点的改进算法。该算法剔除了大量冗余样本点，并在计算过程中以区间表示代数数，有效避免了浮点数等近似计算。通过与已有的经典算法进行比较，实验结果表明该算法具有显著的效果。     

WSNs中一种新颖的模糊识别定位技术研究

 针对WSNs中定位技术存在的不足,提出了一种新颖的基于模糊识别的定位模型.在该模型中,定位空间被一些样本点划分为若干个相同的小区域,每一个样本点唯一地对应一个信号向量,通过计算未知点对应的信号向量与各个样本点对应向量的贴近度可以最终地确定未知点的坐标.该定位模型采用射频信号进行定位,不但避免了现有模型的误差叠加,提高了定位精度,而且避免了高计算复杂度与多参考点需求.基于NS-2的仿真结果表明该定位模型在具有较高的性能与较强的实用性.     

神经网络用于结构损伤识别的几个关键问题研究

利用神经网络识别结构损伤是当前结构工程研究领域中一个重要方向 ,对其中的最优样本点数量的确定及分布、损伤识别参数的提取和处理等几个关键问题进行了研究     

一种缓解分类面交错的样本点扩散方法

固定的相似性度量使得学习器无法结合先验信息揭示数据本身固有的统计规律,对于分类面交错严重的数据集,难以取得较好的学习效果。为了缓解分类面交错,提高分类准确度,将边界和样本点扩散结合起来,通过统计样本标签信息和位置信息得到边界点,以边界点为中心选取合适的控制函数对周边样本点进行扩散,使得分类面更加清晰,从而提高分类算法的精度。在多个分类面交错的数据集上,使用不同分类器验证所提方法,结果表明,其准确率有不同程度的提升。与3种经典的有监督度量学习方法进行比较,实验结果表明所提方法适合处理交错程度高的数据集,而且能有效提升SVM的性能。     

大坝监测数学模型若干问题的研究

基于事件出现频率一致收敛于其概率理论,对大坝监测数学模型类数和模型的优选及样本数、样本点的分布对模型性能的影响做了研究,并在概率意义上给出了确保所有模型性能的样本数确定方法,还就研究结果给出了算例．     

基于图形几何特征相似度的点阵比较

在工程实践中，需要从具有多个相似点阵的已知点阵（Spot Array）集[S]中匹配出一个与未知点阵[P]最相似的点阵[P*]，然后对两个点阵做样本点匹配。完成这个任务的关键挑战在于如何匹配出与未知点阵[P]最相似的已知点阵[P*]。这个问题比较新颖，目前少有理论研究，文中探索出一种基于图形的几何特征分析的描述算法，算法首先将每个点阵构建成一个唯一的简单图（Simple Graph）轮廓图形，同时为每个图形构建一个链式结构，然后利用轮廓图形的几何特征计算未知点阵与各已知点阵的相似程度，匹配出相似度最高的一个，最后利用链式结构完成两个点阵间的样本点匹配。该算法不受点阵的坐标系旋转和尺度缩放的影响。通过实验表明，该算法能够快速、准确地完成点阵相似度比较和样本点匹配任务。     

基于小波和最近邻凸包分类器的人脸识别

本文提出一种新型的人脸识别方法.该方法首先通过二维小波变换提取人脸图像的低频特征,然后采用最近邻凸包分类器对该特征进行分类.二维小波变换是提取图像特征的有效方法之一,在保留原始图像的主要特征的同时,还能够有效降低图像维数;最近邻凸包分类器是一种以测试样本点到各类别训练样本凸包的距离作为相似性度量的分类算法.本文将这两项技术相结合在ORL人脸识别数据库上取得了良好的实验效果.