基于FSVM分类算法的动脉硬化病分类

本文主要对模糊支持向量机的模式分类算法进行研究,对模糊隶属度函数进行选择并计算隶属度值,并对是否患动脉硬化进行分类,实验表明基于模糊训练样本的支持向量机具有高的分类精度。     

无线传感器网络跨层优化研究

无线传感器网络系统的跨层优化理论在当前是一个研究热点.在传统的无线网络设计中,一般是沿用有线网络的设计思想,特别是利用因特网的设计思想来设计无线网络.然而由于无线传感器具有网络资源和能量受限的特点,这就使得传统的有线网络中分层设计的思想遇到了未曾预计的尴尬与挑战.本文对无线传感器网络中的跨层优化工作原理进行了叙述,比较了各个跨层优化技术的特点.最后阐述了当前跨层设计技术面临的挑战.     

模糊多类SVM模型

利用SVM处理多类分类问题,是当前的研究热点之一.本文提出了一种模糊多类支持向量机模型,即FMSVM.该方法是在Weston等人提出的多类SVM模型中引入模糊成员函数,针对每个输入数据对分类结果的不同影响,该模糊成员函数得到相应的值,由此得到不同的惩罚值.从而在构造分类超平面时,可以忽略那些对分类结果影响很小的数据.理论分析与数值实验都表明,该算法具有良好的鲁棒性.     

PSVM多类分类及其应用

近似支持向量机(PSVM)在支持向量机(SVM)的基础上,变不等式约束为等式约束,只需求解一组线性等式,避免了求解二次规划问题,使得算法更快、更简洁,在两类分类问题中取得较好应用.探讨了3种基于两类PSVM的多类分类方法,在标准数据集上进行了验证,并与标准SVM的结果进行了比较,结论表明3种PSVM多类分类方法能取得较好的分类性能.     

基于支持向量机的光寻址电位传感器温度补偿研究

针对光寻址电位传感器(LAPS,light addressable potentiometric sensor)测量精度易受温度 影响的问题,提出一种基于支持向量机(SVM)的LAPS温度补偿方法。根据在多温度条件下LAP S传感 器对缓冲液pH的实测数据,利用SVM建立LAPS温度补偿模型,通 过核函数把LAPS输出饱和光电流与温度间的非线性关系映射到高维特征空间,在高维空间中 用线性回归实 现该映射的非线性处理,对LAPS的温度特性进行非线性逼近,补偿温度对LAPS输出的影响。 实验结果表 明,在(20±1)、(20±2)和(20±5) ℃温度变化情况下,经过温度补偿后LAPS系统输出 pH的标准偏差 分别为补偿前的1/3、1/4和1/6,均小于0.05pH,LAPS 温度补偿算法可以明显补偿温度影响,提高LAPS的测量精度。     

无线传感反应网络中反应节点协调机制研究

从传感器网络衍生出来的传感反应网络是一种全新的信息获取和处理技术。这里简要介绍了传感反应网络的体系结构,讨论了无线传感反应网络中反应节点之间的协调以及任务分配机制。在单反应节点任务的分布式协调机制的基础上,运用多目标进化算法设计出了多反应节点的协调算法,为进一步提高系统效能提供了一种新的思路。     

Probabilistic Support Vector Machine Localization in Wireless Sensor Networks

Sensor networks play an important role in making the dream of ubiquitous computing a reality. With a variety of applications, sensor networks have the potential to influence everyone's life in the near future. However, there are a number of issues in deployment and exploitation of these networks that must be dealt with for sensor network applications to realize such potential. Localization of the sensor nodes, which is the subject of this paper, is one of the basic problems that must be solved for sensor networks to be effectively used. This paper proposes a probabilistic support vector machine (SVM)‐based method to gain a fairly accurate localization of sensor nodes. As opposed to many existing methods, our method assumes almost no extra equipment on the sensor nodes. Our experiments demonstrate that the probabilistic SVM method (PSVM) provides a significant improvement over existing localization methods, particularly in sparse networks and rough environments. In addition, a post processing step for PSVM, called attractive/repulsive potential field localization, is proposed, which provides even more improvement on the accuracy of the sensor node locations.     

Image feature extraction and classification based on statistical geometrical features

纹理识别是计算机视觉领域一个重要的课题,本文研究了统计几何特征（SGF）纹理分析方法并与向量机结合构建分类系统。对支持向量机（SVM）的多分类方法的实现,构建了粗分类和细分类相结合的多分类器,实现了纹理图像的准确划分,为有效纹理特征的表示奠定了基础。本文对统计几何特征提取方法进行了研究,利用图像函数图来进行纹理描述,使用一个可变的阈值把～幅灰度纹理图像切割成一系列二进制图像,由二进制图像的连通域、几何拓扑属性推导纹理描述特征。实验结果表明,统计几何特征具有非常强的纹理描述能力,同时能够克服图像的旋转。     

面向非视距环境的室内定位算法

节点位置信息在无线传感器网络中起着至关重要的作用.大多数定位算法在视距(Line-of-Sight,LOS)环境下能够取得较高的定位精度,然而在非视距(Non-Line-of-Sight,NLOS)环境下,由于障碍物的阻挡,无法取得理想的定位精度.针对室内环境中普遍存在的非视距传播现象,提出了基于RTT(Round Trip Time)和AOA(Angle Of Arrival)混合测距方式的室内定位方法,一种轻量级基于网格的聚类算法(Lightweight Grid-Based Cluster,LGBC)被用来生成移动节点的定位区域.算法不需要获取室内环境的先验信息.仿真结果表明,LGBC算法复杂度低,计算开销小,并且与同类算法相比,定位精度提高约65%.     

基于能量监测的传感器信任评估方法研究

目前解决无线传感网节点安全的方式多种多样,无线传感器也将随着物联网的发展而呈现多样化.根据物联网传感层的特点和其特有的安全问题,本文提出了一种基于能量监测的信任评估方法来解决无线传感网节点的信任问题.该方法首先针对无线传感器能耗情况,创建了传感器能量监测机制;然后,根据监测能量机制中的监测信息,通过互相关系数方法分析计算,得出传感器所处的几种信任度;最后,对传感器进行信任评估,并给出评估结果.仿真对比结果表明,本文提出的方法具有较高的准确性.     

脉冲耦合和分布式扩散相结合的时间同步协议

针对WSN同步精度较低、可扩展性差的问题,提出基于脉冲耦合和分布式扩散相结合的协作时间同步协议,将同步分为时钟节拍同步和时间同步两个阶段。时钟节拍同步阶段,通过脉冲信号耦合来改变节点相位实现节拍同步;时间同步阶段,基于双向信息交换模式,把主节点域的平均时间扩散有限的跳数,采用互扩散使节点时间近似同步到网络节点的平均时间上,实现时间同步。结果表明:该协议同步精度更高,收敛速度较快,扩展性较好。     

基于支持向量机的多类分类研究

现今流行的分类方法的重要基础是传统的统计学，前提是要有足够的样本，当样本数目有限时容易出现过学习的问题，导致分类效果不理想。引入支持向量机方法，它基于统计学习理论，采用了结构风险最小化原则代替经验风险最小化原则，较好的解决了小样本学习的问题；又由于采用了核函数思想，把非线性空间的问题转换到线性空间，降低了算法的复杂度。对其相关内容包括优化算法及多类分类问题的解决进行了研究，最后用一个实例说明了该方法的可行性和有效性。     

基于离散曲波变换和支持向量机的掌纹识别方法

提出了一种基于离散曲波变换和支持向量机的掌纹识别方法.首先将所有掌纹样本图像和测试图像通过基于Wrapping的快速离散曲波变换进行分解,从而获得不同尺度、不同角度的曲波变换系数;掌纹重要特征信息包含在曲波变换分解系数中的低频系数中,因此将分解系数变换形成特征向量后作为特征参数送入支持向量机中进行学习训练;最后将训练好的支持向量机用于掌纹分类.基于香港理工大学Palmprint掌纹数据库进行了大量实验,实验结果证实所提方法的识别正确率相对优于小波变换方法和其它几种经典方法.     

最小二乘支持向量机用于时间序列叶面积指数预测

遥感反演的叶面积指数（LAI）时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI 数据存在缺失。支持向量机（SVM）是一种有效的数据分类和回归预测工具,而最小二乘支持向量机（LS-SVM）是对SVM 的有效改进。以西藏那曲县为例,使用2003-2011 年MODIS LAI 产品,分别用LS-SVM 和SVM 两种方法对研究区域2011 年LAI 时间序列进行预测,并用MODIS 原始LAI 以及部分地面实验样点值进行验证。结果表明,基于LS-SVM 的LAI 时间序列预测算法的精度比基于SVM 的算法高,从而证明LS-SVM 方法能够弥补遥感反演时间序列LAI 数据的缺失问题,对提高时间序列的LAI 遥感产品质量具有重要意义。     

Energy-efficient collaborative target tracking algorithm using cost-reference particle filtering in wireless acoustic sensor networks

Target tracking is one of the most important applications of wireless sensor networks. Optimized computation and energy dissipation are critical requirements to save the limited resource of sensor nodes. A new robust and energy-efficient collaborative target tracking framework is proposed in this article. After a target is detected, only one active cluster is responsible for the tracking task at each time step. The tracking algorithm is distributed by passing the sensing and computation operations from one cluster to another. An event-driven cluster reforming scheme is also proposed for balancing energy consumption among nodes. Observations from three cluster members are chosen and a new class of particle filter termed cost-reference particle filter (CRPF) is introduced to estimate the target motion at the cluster head. This CRPF method is quite robust for wireless sensor network tracking applications because it drops the strong assumptions of knowing the probability distributions of the system process and observation noises. In simulation experiments, the performance of the proposed collaborative target tracking algorithm is evaluated by the metrics of tracking precision and network energy consumption.