加权迭代节点匹配算法及其在语言网络中的应用

复杂网络间节点匹配在很多领域中均具有重要现实意义。然而,传统的节点匹配算法通常只利用网络的局部拓扑信息,在对拥有高对称性的真实网络作用时往往会失效。为了克服这一缺点,我们近期利用网络拓扑信息和连边权重信息,提出了一种新型的同时来计算不同网络间节点相似度的方法,并在此基础上设计了一种加权迭代节点匹配算法。将该算法在高度拓扑对称仿真网络对和真实中英文语言网络对上分别进行了测试,结果表明加权迭代节点匹配算法在此类网络上优于纯拓扑迭代节点匹配算法。     

分布式传感网络的自适应一致性算法

为了提高分布式传感网络的估计精度,提出了一种新的自适应一致性算法。该算法在每次迭代时只需部分节点工作,即进行目标状态的监测。通过节点之间二进制信息的交换来调整每次迭代时的一致性权值,使得每次迭代时工作节点所占的权值更大,进而将该一致性算法与卡尔曼滤波相结合对目标状态进行估计。对该算法进行数值仿真,并与其他一致性加权算法进行比较,验证了该算法的有效性。     

无线传感器网络中基于MDS的迭代定位算法优化

节点定位是无线传感器网络中的关键技术之一.介绍了定位算法的分类,论述了一种基于多维标度的迭代定位算法.该迭代定位算法的初始值一般为随机值,该算法定位精度较高,具有一定的优越性,但存在着迭代次数多,计算量大的问题,很难在硬件资源有限的无线传感器网络节点中实现.针对这一问题,对算法进行了改进,将参考节点的质心坐标设置为迭代初始值.仿真结果表明:改进后的MDS迭代定位算法,迭代次数大大减少,定位精度显著提高.改进算法可应用到实际的无线传感器网络的定位系统中.     

移动通信目标信号实时识别仿真研究北大核心CSCD

移动通信目标信号的准确识别,可加强网络的管理与监控。移动通信目标信号的准确识别的重点是识别率较高的强识别器,而传统的贝叶斯算法中不能通过计算移动通信目标信号样本的权重和分布,将弱识别器通过迭代算法组合成强识别器,导致移动通信目标信号的识别精度下降。提出一种基于机器学习的移动通信目标信号实时识别方法。依据ID3算法将移动通信目标信号中具有最高增益的数据属性定义为当前移动通信网络数据流节点的识别测试数据属性,选取具有代表性的属性特征形成子集进行机器学习,并利用SVN算法将移动通信网络中目标信号的识别问题转换为求解目标信号特征高维空间的最优"超平面"问题,并通过迭代运算用几个弱识别器组建出一个实时信号识别率较高的强识别器,有效的完成了移动通信目标信号实时识别。仿真结果表明,基于机器学习的移动通信目标信号实时识别方法为网络稳定运行提供了有力的支持。     

被动声传感器网络数据仿真平台研究

目标的声传感器数据是被动声传感器网络算法研究的前提和依据,其可靠性和真实性是非常重要的,但是如果通过现场实测获得,往往耗资巨大,设计一种逼近实际的被动声传感器网络数据仿真平台越来越显示出其必要性。给出了一种被动声传感器网络数据仿真平台的实现方法,通过该平台,可以方便灵活地模拟低空和超低空目标的各种机动飞行,并产生仿真数据。实验将平台产生的仿真数据与实测数据进行了对比,结果表明该数据仿真平台符合应用要求。     

无线传感器网络中目标跟踪算法的OPNET仿真

目标跟踪是无线传感器网络在环境测控领域的一个重要应用.由于传感器节点的能量有限,因此研究能量有效的目标跟踪算法是非常关键的.前期提出了一种基于双重负反馈蚁群的目标跟踪算法,将能量消耗平均到多个节点上,避免了部分节点因为长期处于激活状态而过早的失效.通过在OPNET平台上对该算法进行仿真实验,进一步证明了算法在保证一定跟踪精度的前提下,可以实现能量的负载均衡,从而使网络存活时间得以延长.同时也验证了仿真平台的有效性.     

基于二阶分布式算法的无线传感网络效用最大化问题研究

高效分布式算法设计是保证无线传感网络性能的关键问题。提出了一种基于信道容量约束的无线传感网络效用最大化问题模型。针对传统一阶算法存在收敛速度慢、步长选择敏感等缺点,文章设计了具有二阶收敛速度的快速分布式牛顿算法。研究和仿真实验表明,该算法在与传统一阶算法交互几乎相同信息的情况下具有二次收敛速度,算法迭代次数和运行时间改进了近两个数量级。     

基于网络编码的P2P-VoD系统仿真平台

针对现有基于网络编码的P2P-VoD系统仿真器缺乏通用性和可扩展性的问题,提出一种NS2下基于网络编码的P2P-VoD系统通用仿真平台NCVoD Sim。在NS2典型模型基础上,进行网络编码扩展,构造Socket和接口模块支持P2P应用,设计P2P-VoD应用模块完成仿真平台设计。仿真实验表明,该仿真平台能有效完成基于网络编码的P2P-VoD系统数据调度算法仿真,具有通用性和可扩展性。     

一种无线传感器网络目标检测动态阈值算法

介绍了无线传感器网络目标检测基本流程;着重分析了无线传感器网络在实际应用中每个传感器自身存在目标检测范围差异的问题;针对这种情况下的无线传感器网络目标检测问题,提出了一种传感器本地决策阈值的动态算法;最后通过仿真实验,比较了动态阈值算法与其他三种目标检测算法的目标检测误报率。仿真结果表明,提出的动态阈值算法具有较低的检测误报率。     

基于迭代加权线性模型的网络回归箅法

传统的机器学习算法难以有效处理具有自相关性的网络数据,而已有的网络学习算法多为分类算法,回归算法较少。为解决网络数据中的回归预测问题,考虑数据实例间的自相关性,提出一种迭代加权线性回归算法（IWR）。该算法采用迭代分类算法的集体学习框架,每步迭代中将待预测实例逐个输入局部回归模型以更新目标属性值,直至达到既定目标。在空间网络和社会网络的数据集合上进行实验,结果表明,与传统回归算法及NCLUS算法相比,IWR算法可以有效减小预测误差。     

改进扩展卡尔曼滤波算法的目标跟踪算法

为了获得更加理想的运动目标跟踪效果,提出了一种基于改进扩展卡尔曼滤波的目标跟踪算法。构建时间差和信号到达方向的观测方程,利用几何和代数关系化简得到伪线性模型,通过改进卡尔曼滤波算法对目标运动轨迹进行跟踪,采用仿真实验对算法性能进行测试。结果表明,相对于传统扩展卡尔曼滤波算法,在相同条件下,该算法不仅提高了目标跟踪精度,而且使目标跟踪结果更加稳定。     

传感器自适应跟踪算法研究及仿真系统实现

雷达和红外作为目标跟踪常用的两种探测手段,各有其优缺点,利用雷达高精度的距离测量和红外高精度的角度测量,通过信息融合技术充分实现二者的优势互补,并结合交互式多模型(IMM)跟踪思想,给出对目标位置的精确估计;设计基于雷达/红外多传感器跟踪平台的自适应融合跟踪算法,实现根据目标不同运动特性进行跟踪模型灵活、合理切换的自适应目标跟踪,改善对目标的综合识别,达到更好的跟踪效果;选取当前工程实践中广泛应用的目标运动模型,设计基于VC++环境的目标跟踪仿真系统软件,并利用MFC界面制作技术创建可视化目标跟踪仿真软件平台,对跟踪算法性能进行验证。     

2DPCA与稀疏表示模型的运动目标跟踪法

为了提高目标跟踪的准确性,针对当前目标跟踪算法的光照、遮挡以及姿态变化鲁棒性差等问题,提出了一种二维主成分分析和稀疏表示的目标跟踪算法。采用二维主成分分析和稀疏表示降低数据维数,减少计算复杂度,采用粒子滤波算法跟踪序列图像中的运动目标,采用仿真实验测试算法的性能。仿真结果表明,相对于其他运动目标跟踪算法,该算法可以更准确跟踪视频图像中的运动目标,并对光照和姿态变化具有良好的鲁棒性,对于严重遮挡目标跟踪问题,具有明显的优势。     

对地观测卫星协同观测区域目标方法研究

对地观测区域目标分割与优选问题是多星协同观测区域目标规划过程中的一个重要环节。采用卫星或遥感器侧摆能力的区域目标动态分割算法,并结合贪婪优化算法对分割结果进行优化规划,在规划过程中依据建立的全球网格参考系统可以方便、高效地计算目标覆盖率,进行实时效能评估以对分割方式进行反馈调整,保证区域目标分割结果最优。依据提出的算法设计了包含三颗对地卫星和一个区域观测目标的应用场景进行实例仿真,并得出了较为理想的仿真结果。     

带二次约束的容积卡尔曼目标跟踪算法

为了提高对带约束目标的跟踪精度,提出了一种带二次约束的容积卡尔曼目标跟踪算法。使用容积卡尔曼滤波得到当前时刻后验估计,通过将系统二次约束作为测量方程引入系统,对后验估计进行修正,最后采用仿真实验对算法性能进行测试。实验结果表明,相对于传统的约束卡尔曼滤波算法,在同等条件下,该算法提高了目标跟踪精度,并且稳定性更强。     

融合帧间差分与碰撞算法的快速跟踪预测算法

传统的运动目标跟踪预测算法难以保证机器人对高速运动目标的快速捕捉和提前预测,尤其是运动目标在滑行过程中发生碰撞改变了原有的运动方向,针对这一问题提出了基于帧间差分与碰撞算法相结合的运动目标跟踪预测算法.通过帧间差分法快速识别出平面内运动物体的具体位置和运动速度,根据其运动速度方向判别运动目标是否发生碰撞.当运动目标在运动过程中发生碰撞,采用LS-DYNA显示动力分析软件建立碰撞仿真模型,并用MATLAB拟合仿真数据得到碰撞算法,结合碰撞算法对运动目标的运动轨迹进行预测.结果表明以帧间差分和碰撞算法相结合的运动目标检测跟踪算法对于在平面内运动目标的跟踪预测方面速度更快,完全能够满足机器人对算法快速性的要求.     

基于模式切换的有源无源一体化跟踪算法研究

针对传统目标跟踪算法缺乏灵活性,不能满足复杂环境下目标连续跟踪的缺点,探讨了网络雷达不同工作模式下,接收站获取目标运动状态参数不同集合对目标跟踪精度的影响,提出了基于模式切换的有源无源一体化跟踪算法,该算法可根据接收站的不同需求灵活选择有源无源等不同的定位跟踪方式。采用UKF算法对不同模式切换下的目标跟踪精度进行分析,仿真结果表明,该算法能够有效利用前一阶段的滤波跟踪结果,可在复杂的环境下保持对目标的连续跟踪。     

基于卡尔曼自适应滤波算法的机动目标仿真研究

卡尔曼滤波理论在目标跟踪中得到成功的应用,但是在目标各种运动状态下仅利用卡尔曼滤波很难具有良好的跟踪性能。介绍了几种自适应卡尔曼滤波算法,对基于"当前"统计模型的卡尔曼自适应滤波算法在目标跟踪领域进行仿真,验证了卡尔曼自适应滤波算法的可靠性。     

基于改进鸽群优化算法的多无人机目标搜索

在三维未知环境中无人机目标搜索是一项非常具有挑战性和现实性意义的任务。鸽群优化算法相比于其他智能算法收敛速度快,搜索效率高,适用于目标优化任务,因此提出一种基于鸽群优化算法的多无人机目标搜索方法,无人机通过搜索目标留下的信息素搜寻目标。针对鸽群优化算法容易陷入局部最优的问题,利用基于差分进化策略对鸽群优化算法进行改进。仿真实验验证了提出的基于改进鸽群优化算法的多无人机目标搜索方法的合理性和有效性。     

模型集和IMM自适应的目标跟踪算法

本文在仿真试验和理论分析基础上,首先给出了一种自适应IMM算法。再根据变结构IMM思想,把该算法与具体的运动模型相结合,提出了模型集和IMM算法都是自适应的机动目标跟踪方法。该方法在模式空间连续的情况下,模型集合逐步收敛到给定的范围内。文中给出了两种方法的具体实现步骤,并对文[6]中的AGIMM方法作了修正。仿真试验中把两种方法分别与传统的IMM算法和文[6]的方法进行了比较,结果表明在目标机动情况下,两种方法在性能上均有不同程度的提高,从而证明了本文所提算法的有效性。