一种DBSCAN聚类点密度的加权质心定位算法

加权质心定位算法是无线传感器网络中最常用的定位算法,为了进一步提高其定位精度,本文将聚类算法引入到无线传感器网络定位中,提出了一种具有噪声的基于密度的聚类算法(DBSCAN)聚类点密度的加权质心定位算法。该算法根据共线度理论选择参数,构建定位三角形的集合。选择集合中定位效果较好的一部分三角形对未知节点进行定位,并对所得的初始定位结果进行DBSCAN聚类。在排除误差较大的定位坐标后,将聚类后每个簇的核心点个数视为权值,采用加权质心定位算法得到未知节点的最终定位位置。仿真结果表明:该算法与传统加权质心定位算法相比,平均定位误差减小80%以上,有效提高了无线传感器网络定位精度。     

基于粒子群优化的NLOS环境的节点定位算法

无线传感网络的非视距NLOS(non-line-of-sight)环境是影响测距定位精度的重要因素。本文提出了基于粒子群优化PSO(particle swarm optimization)的NLOS环境的节点定位NLOS+PSO算法。NLOS+PSO算法采取惯性权重的非线性调整策略,提高了算法的收敛速度。同时,对目标值进行排序,摒弃性能差的粒子,可降低计算量。实验数据表明,在非视距环境中,所提出的NLOS+PSO算法可提高定位精度,抑制NLOS测距误差,提高收敛速度。     

基于PSO-ELM组合算法的热力站负荷预测研究

提出了一种粒子群优化极限学习机(PSO-ELM)算法用于热力站负荷预测,应用粒子群(PSO)算法优化极限学习机(ELM)的输入权值和隐含层阈值。将提出的组合算法应用于天津市某小区热力站的负荷预测中,并与ELM、支持向量回归(SVR)和粒子群优化支持向量回归(PSO-SVR)算法在同等条件下进行比较。结果表明,PSO-ELM在预测精度上优于其他算法;在热负荷波动较大时,表现优于PSO-SVR;在一定范围内样本容量对预测结果影响不大,PSO-ELM可遗忘更多的数据。     

启发式粒子群优化算法及其在空间结构优化中的应用

介绍了应用于结构离散变量的标准粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC),指出了两者在处理约束条件方面的不足之处.在基于“和谐搜索“算法(Harmony Search)产生新解的思想基础上,提出了应用于结构离散变量的启发式粒子群优化算法(HPSO).应用所提出的HPSO算法对多个平面及空间桁架结构进行了截面优化设计,数值计算结果表明本文提出的启发式粒子群优化算法(HPSO)可以搜索到最优解,并且具有较高的收敛速度,尤其在迭代计算的初期,计算效率非常明显.HPSO算法明显提高了PSO算法的效率.     

基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用

神经网络具有结构简单,鲁棒性强,能够逼近任意函数的非线性映射能力,在多个领域得到了广泛应用。但其梯度下降法容易陷入局部最优,训练效率较低。采用粒子群算法(PSO)对BP神经网络进行改进,利用粒子群算法为BP神经网络提供精确的全局搜索能力,提高其训练效率和预测精度。基于建筑物实际沉降观测数据,对BP神经网络和PSO-BP神经网络进行对比分析。结果表明,PSO-BP神经网络的训练效果获得了较大提升,预测精度提升了约61%,预测结果明显优于传统BP神经网络。     

粒子群算法在无线网络节点位中的应用研究

随着无线通信技术的发展以及物联网设备在室内环境的广泛部署,作为物联网服务的重要支撑技术之一的无线传感器网络的位技术再一次成为工业界和学术界的研究热点。本文根据DV-Hop算法在无线传感器网络位过程中存在的误差问题,引入粒子群算法对位误差进行优化,提出PSO-DV-Hop算法。仿真实验结果表明,本文提出的PSO-DV-Hop算法(基于粒子群算法的DV-Hop位算法)的位精确度较DV-Hop算法提高25%左右,在实际应用中具有重要的参考意义。     

岩石力学性态预测的PSO-SVM模型

 传统的固体力学方法在描述岩石的各种地质因素与其力学性态之间的复杂非线性关系时存在困难。引入粒子群算法(PSO)对支持向量机(SVM)进行优化,提出岩石力学性态预测的粒子群优化支持向量机模型(PSO-SVM)。该模型利用SVM来建立岩石地质因素与力学性态之间的非线性关系;同时利用PSO对SVM参数进行全局寻优,避免人为选择参数的盲目性,从而提高模型的预测精度。将PSO-SVM应用到岩石压缩系数的预测中,并与传统的BP神经网络(BP-NN)进行对比分析。结果显示,PSO-SVM的预测精度较BP-NN有较大的提高,从而表明PSO-SVM在岩石力学性态预测中的可行性和有效性。     

粒子群优化算法在离散变量结构优化中的应用

介绍了用于离散变量的粒子群优化(PSO)算法以及加入了约束处理的启发式粒子群优化(HPSO)算法.将HPSO算法的约束处理策略与另一种适用于粒子群算法的约束处理方法结合,并将改进后的算法应用到3个离散变量桁架结构截面优化设计算例中,同时与HPSO算法进行了对比分析.对于每个算例,改进算法和HPSO算法都运行了多次,从多次运行的统计数据中可以看出,改进算法比HPSO算法更稳定、收敛速度更快、搜索精度更高,且其约束处理方法减少了结构分析的次数,从而提高了整个程序运行的速度.     

基于粒子群算法的RBF神经网络零件表面缺陷分类

针对金属工件表面缺陷分类问题,提出一种基于粒子群算法的RBF(Radialbasisfunction)神经网络对金属工件表面缺陷进行分类的方法。本文采用线性递减权重法确定PSO算法中的惯性权重,用于消除PSO算法容易早熟及后期容易在全局最优解附近产生振荡现象。将线性递减权重法改进的粒子群算法运用于RBF神经网络,确定RBF神经网络中权值和阈值的最优解,并对RBF神经网络进行训练从而提高分类精度。对比实验结果表明,改进的RBF神经网络对工件表面缺陷的分类平均准确率可达94%,对比标准RBF神经网络分类和BP神经网络分类准确率有较大提高。     

基于自组织聚类和改进粒子群算法的语音转换方法

提出一种基于自组织聚类,并且利用改进粒子群算法确定转换模型参数的语音转换方法.该方法首先基于自组织特征映射网络对特征参数进行聚类,再对每个聚类分别建立转换规则,并且利用柯西变异的粒子群算法确定每个转换规则中的模型参数.与传统的单一转换规则相比,聚类后建立的多转换规则以及利用改进粒子群算法确定参数能够提高映射关系的准确度,避免参数陷入局部最优点。以女声转男声为例,主观测试表明该方法得到的转换语音与目标的相似度提高了27.6%,平均主观意见分(Mean Opinion Score,MOS)提高了0.6,客观测试也表明该方法谱失真最小,与目标的包络更接近.     

高架桥上BRT公交车火灾事故调查的思考

通过对一起高架桥上BRT公交车火灾事故的详细勘察和缜密调查,分析提出制定特殊火灾事故调查应急预案的重要性,探讨如何建立重大火灾事故多部门尤其是刑侦部门协作配合机制,以及从火灾事故调查中总结经验教训,提出改进措施和建议。     

对混凝土裂缝自愈合的研究

阐述了混凝土裂缝产生的原因以及混凝土裂缝自愈合的机理,并对混凝土的自愈合技术进行了深入的研究,结合该领域存在的问题,对其在未来的发展进行了展望,以期为该问题的研究提供借鉴。     

基于ANSYS的水平受载桩桩身受力性能的研究

基于ANSYS有限元软件,建立了钢筋混凝土管桩模型,对成层土中桩身处承受水平荷载的基桩受力性状进行了计算机数值模拟,通过对桩身位移和应力变化曲线的分析,得出了水平荷载下桩身位移和应力的变化规律。     

浅析“辛以润之”

"辛以润之"是中药药性理论的重要组成部分,一方面,"辛润"是"辛散"功效作用于脾、肺、肾而依次派生出的功用变易,是天地阴阳、五行五脏之间紧密联系的体现;另一方面,对"辛润"的运用不该只局限于治疗"肾苦燥",而更应将其追溯到"发越脾气"与"从阳引阴"上去,以使其对临床用药的指导意义更加深刻、广泛;最后,对于药物性味的合理运用与理解应该与药味之间的相互配伍、中药归经理论结合起来,使其得以互相为体为用,从而更好地发挥功效。     

燃气表跳字分析

分析了燃气表滑阀与滑座、输出轴、计数器对产生跳字的影响,提出了解决方法。     

浅析MVRDV的密度实践

对MVRDV 的理论进行了探索,指出MVRDV 建筑事务所热衷于研究城市空间扩张与自然空间发展的关系及城市空间和建筑本身的密度实践,并通过对MVRDV 案例的分析,论述了提高建筑密度的手法和优化城市空间的理念。     

同层分户排水刍议

住宅楼分户排水可基本杜绝以往管道穿楼板导致的"跑、冒、滴、漏"和随意往管道投垃圾而导致堵塞下层管道(尤其是底层排水横管)等弊病,有效解决卫生间"臭味"问题.     

基于PSIM的光伏电池的仿真

指出光伏电池是光伏发电系统的主要元件,对其特性的研究有着重要的意义,介绍了利用PSIM软件建立光伏阵列的仿真模型,并对仿真效果进行了分析,得出该模型仿真精度高,能够准确地反映其物理特性,为光伏发电系统的仿真分析提供了依据。