基于最小二乘法的冗余信息数据融合算法实现

为了有效融合多传感器冗余系统量测信息,使状态的估计值更接近于状态的真实值,实现高精度和高可靠性的状态估计,采取了基于最优加权的最小二乘算法、有限窗加权的最小二乘算法和自学习加权最小二乘算法,分别对多传感器实测数据进行融合处理,融合后数据的方差大幅度降低,估计精度显著提高。并与传统的最小二乘算法进行了仿真对比,结果表明,这3种方法较最小二乘算法融合精度更高,其中,自学习加权的最小二乘融合算法既考虑了历史数据的作用,又考虑了环境噪声和新的采样值的影响,增强了对噪声检测的敏感性,估计效果较好。     

基于粗糙集与改进LSSVM的入侵检测算法研究

提出了基于粗糙集和改进最小二乘支持向量机的入侵检测算法。算法利用粗糙集理论的可辨识矩阵对样本属性进行约简,减少样本维数;利用稀疏化算法对最小二乘支持向量机进行改进,使其既具备稀疏化特性又具备快速检测的特点,提高了数据样本分类的准确性。结合算法不仅充分发挥粗糙集对数据有效约简和支持向量机准确分类的优点,同时克服了粗糙集在噪声环境中泛化性较差,支持向量机识别有效数据和冗余数据的局限性。通过实验证明,基于粗糙集和改进最小二乘支持向量机的入侵检测算法的检测精度高,误报率和漏报率较低,检测时间短,验证了算法的实效性。     

基于递推最小二乘和改进支持度的WSN数据融合算法

无线传感器网络(WSN)在空间和时间上均存在数据冗余问题。为了在保证精度的前提下减少冗余量,提出了基于递推最小二乘和改进支持度的WSN数据融合方法。针对单个传感器节点,采用递推最小二乘法进行数据融合。针对节点之间的冗余问题,应用分批融合思想对系统降维,将灰色接近度理论与自支持度结合改进支持度函数,对各子系统分别采用基于改进支持度函数的加权算法进行融合。采用一个包含7个传感器节点的无线传感器网络对该算法进行了检验。结果表明,该融合算法能够显著减少数据计算量与传输量。融合后的数据均方误差为0.1597,能够满足实际应用对精度的要求。     

基于点云截面线的楦面重构

针对鞋楦数控加工和编制CAD/CAM软件的需要,给出了一种简便易行的鞋楦重构算法。该算法首先通过给定距离阈值对点云数据进行精简,滤除大量冗余信息,然后对截面线进行最小二乘拟合后均匀取点绘制模型,比以往蒙面法计算量少因此速度快。结果表明,该算法实用有效。     

基于多新息最小二乘算法的非线性系统辨识

针对最小二乘算法辨识性能较差问题,将最小二乘算法中的单新息通过利用p组数据拓展到多新息向量,提出了多新息最小二乘算法。与最小二乘相比,所提出的算法不仅利用了当前的系统信息,而且利用了过去的系统信息,进一步提高了参数辨识的精度和收敛速度。在所提出的算法中,为了减少冗余的参数辨识和算法计算量,利用关键性分离技术构造整体辨识模型。设计了辅助模型来替代系统中未知的中间变量,提高了参数估计的精度。对比仿真结果表明,所提出的算法具有比递归最小二乘算法更高的辨识精度和收敛速度。     

无线传感器网络测试系统数据融合研究

根据无线传感器网络在军事领域中研究与应用,对无线传感器网络用于军事装备测试成为新的应用方向.针对无线传感器网络在军事装备测试系统中数据冗余大、关联性强、实时性要求高等问题,为提高传输率与数据精度,提出了基于核偏最小二乘法的无线传感器网络数据融合算法.利用核偏最小二乘法对数据进行回归建模并进行仿真,实现数据快速融合.仿真结果表明,方法的可行性和有效性.     

一种分段拟合的网络测量数据压缩方法

网络原始测量数据由于数据量很大,不方便存储,为了便于存储并保证数据有效性,本文研究了数据压缩策略,提出了一种基于最小二乘法的分段二次曲线拟合压缩模型,给出了最小二乘解的算法。通过仿真实验与最小二乘拟合和分段线性插值进行比较,分段二次曲线拟合压缩模型能够在减少了数据存储量的基础上实现对网络性能指标的准确反映,能及时发现网络性能的异常变化。     

基于三峡库区水环境监测的WSN信息融合算法

由于三峡库区水环境监测无线传感器网络的信息量大,为了减小数据传输的能量开销,构建了一种新的无线传感器网络信息融合模型,采用了一种结合基于最小二乘原理的加权和关系矩阵的分布式信息融合算法,分析了该信息融合算法的基本原理和实现方法。实验结果表明:该分布式信息融合算法能有效去除冗余信息,提高了数据的准确度,降低了节点数传的能量消耗,延长了无线传感器网络的生命周期,降低了系统成本。     

RS-LS-SVR 模型在煤与瓦斯突出预测的应用

在综合研究了各种算法的基础上,将粗集理论和最小二乘支持向量机算法结合,充分利用了粗集算法能够去除冗余信息,最小二乘支持向量机能够精确加快收敛速的优点。利用具体网络建立一个突出预测机制,并利用本预测机制对矿井瓦斯突出情况进行模拟预测。经过基于MATLAB工具箱的BP神经网络模型的实验对比表明,LS-SVR能加快收敛速度。实验结果表明,基于RS-LS-SVR网络的预测模型可靠,收敛速度快,预测精度高,效果良好。     

基于最小二乘曲线拟合法的点云滤波算法研究

作为机载激光雷达数据处理的关键环节,激光雷达点云滤波一直是数据应用的重要前提和研究热点.本文充分考虑激光雷达通过线扫描获取数据的特点,并结合最小二乘曲线拟合法得到的拟合值具有跟随地形变化的特点,提出了一种最小二乘曲线拟合法用于点云滤波的算法.试验结果表明,该算法能获得准确的地形点,对地物复杂的城区及斜坡地区都有良好的滤...     

基于3D-Harris 与FPFH 改进的3D-NDT 配准算法

针对传统点云配准三维正态分布变换(3D-NDT)、迭代最近点(ICP)算法在未给定初 始配准估计的情况下配准效果不佳、配准时间长、误差较大的缺陷,提出了精准且相对高效的 点云匹配算法。首先,运用3D-Harris 算法识别每一幅点云的关键点,并以此为基本点建立局 部参考框架,计算快速点特征直方图(FPFH)描述子;之后,使用最小中值法(LMeds)中的对应 估计算法排除不准确的点对应关系,得到含有对应三维特征关系的特征点对。计算粗配准所需 的变换矩阵,完成初步匹配。随后,根据3D-NDT 算法将点云数据空间体素化,运用概率分布 函数完成最终的点云进行精确地匹配。使用改进配准将3 组分别从网络下载的较少噪声、大规 模与Kinect V2.0 采集的较多噪声、大规模的2 组重叠度不同的点云数据匹配到同一个空间参考 框架中,并通过精度分析对比经典3D-NDT,ICP 等算法。实验结果证明,该算法在迭代次数 较低时,可使室内场景点云数据完成精度较高的配准且受噪声影响较小,但如何将算法的复杂 度适当降低,缩短配准时间需要更进一步的研究。     

Layered virtual machine migration algorithm for network resource balancing in cloud computing

Due to the increasing sizes of cloud data centers, the number of virtual machines (VMs) and applications rises quickly. The rapid growth of large scale Internet services results in unbalanced load of network resource. The bandwidth utilization rate of some physical hosts is too high, and this causes network congestion. This paper presents a layered VM migration algorithm (LVMM). At first, the algorithm will divide the cloud data center into several regions according to the bandwidth utilization rate of the hosts. Then we balance the load of network resource of each region by VM migrations, and ultimately achieve the load balance of network resource in the cloud data center. Through simulation experiments in different environments, it is proved that the LVMMalgorithm can effectively balance the load of network resource in cloud computing.     

移动云计算的任务迁移方法

移动设备在移动过程中受到网络波动的影响很大,由于工作流中任务会传输到云端执行,会带来传输与接收的能耗,再加上所处云域中微云受到不同请求数、剩余资源等因素的影响,造成了微云响应延迟、任务等待执行时间延迟和网络活跃能量损耗,再加上异构网络对数据传输造成的切换延迟影响,使任务迁移延迟更加严重,所以在上传与接收阶段采用延时传输的策略,在保证总完成时间的基础上减少传输时间;在任务迁移阶段提出了微云跳跃选择算法和网络切换算法相结合的MJSA-NHA算法,通过跳跃选择找到合适的微云以减少不必要的响应与等待延迟,并且通过切换网络空闲—活跃状态减少网络能量损耗;并在延时传输基础上加入移动速度调节算法(MSAA),在发生网络变化过程中变换移动设备的速度,这样可以在减少网络切换次数的同时减少网络切换延迟。实验结果证明,延时传输策略比Random算法在总完成时间和移动端总能耗问题上优化了很多;MJSA-NHA比MuSIC算法、task delegation和code-offloading在迁移时间上分别优化了66%~86%、36%~56%和5%~8%,在能耗方面分别优化了56%~78%、25%~46%和6%~8%;MSAA比MuSIC算法、task delegation和code-offloading在网络切换延迟上优化了50%。     

基于云安全模型的簇状树形无线传感器网络路由协议

由于传统的簇状树形无线传感器网络路由协议簇首能耗方差较大,导致存活节点数量和节点剩余能量较少,降低了无线传感器网络的使用寿命,为此设计一种基于云安全模型的簇状树形无线传感器网络路由协议。通过计算簇状树形无线传感器网络在接收与发送数据时的传输能耗,利用云安全模型获取云安全态势各种要素之间的不确定关系,预测节点的综合信任值,以预测结果为基础,采用蚁群算法获取分区节点的最优路径,完成簇状树形无线传感器网络路由协议。实验结果表明,本文设计的路由协议簇首能耗方差较小,存活节点数和节点剩余能量更多,接收数据包量比其他2种协议分别高出了48.1%和22.6%。由此可见,本文设计的路由协议延长了簇状树形无线传感器网络的使用寿命。     

基于云的网络安全态势预测规则挖掘算法研究

现有网络安全态势预测算法对初始训练数据依赖性强,预测结果客观性差。提出了基于云的网络安全态势预测思想和基于云的网络安全态势预测规则挖掘算法。采用基于云模型的属性论域区间软划分方法解决了定性与定量转换中的区间硬性划分导致的边界元素内在联系丢失的问题。通过实验验证了算法的可行性和有效性。基于云的网络安全态势预测思想,不需要对预测算法进行数据训练,提高了网络安全态势预测的客观性。     

应用于三维点云数据去噪的改进C均值算法

针对三维激光扫描仪采集到的点云数据中离群点不易区分和去噪难度大的问题,提出了一种改进的C均值算法。通过分析三维点云数据特征,在传统C均值算法中引入模糊聚类权重因子,降低类内距离和拉大类间距离,有效增强了离群点特征以降低识别难度。进而将识别出的噪声分类别处理,利用改进的C均值算法去除大尺度噪声,构造双边滤波算法去除小尺度噪声数据。与密度聚类算法、正交整体最小二乘平面拟合和基于特征选择的双边滤波点云去噪等算法相比,去噪准确度分别提升了7.3%、6.5%和6.0%,实验结果表明该算法可以有效去除大尺度噪声并能较好地保留有效数据。     

Estimation of planes of a rock mass in a gallery wall from point cloud data based on MD PSO

LiDAR (laser imaging detection and ranging) has been developed to measure the distance of the mesh of points on an object with a high level of accuracy. It provides high-resolution point cloud data as a result of distance measurement. Detailed 3D shapes of objects can be estimated from point cloud data. LiDAR has been used to identify discontinuities in a rock mass of a tunnel gallery wall. To identify discontinuities, it is necessary to approximate the rock mass surface with small planes. Normal vectors of the planes are important to identify discontinuities. We developed an algorithm for estimation of planes based on multi-dimensional particle swarm optimization (MD PSO) from point cloud data. Point cloud data were segmented into bounding boxes and grouped into clusters by MD PSO. Planes were estimated using the least squares method for point cloud data in the respective clusters. The newly developed algorithm based on MD PSO was evaluated using point cloud data obtained from a gallery wall. Evaluation was carried out in comparison with the previous developed variable-box segmentation (VBS) algorithm. The MD PSO-based algorithm showed a 7% higher accuracy than that of the VBS algorithm.     

基于数据拟合的有确定度逆向云算法

逆向云算法实现了定量数据到定性概念的转化,对云模型的研究有着重要的理论意义和应用价值。现有的有确定度逆向云算法采用均值法求期望Ex的估计值,当云滴样本数较少时将会出现较大误差。本文提出了一种通过非线性最小二乘法数据拟合高斯云的期望曲线求得期望Ex的估计值的方法,再通过高斯分布参数估计法得到熵En和超熵He的估计值。通过误差比较实验,验证了改进的算法能减小参数估计误差提高算法精度。     

面向应用的RGB-D机器人道路坡度融合估计方法

为提高机器人在移动路径中对道路坡度的估计精度,提出一种面向应用的RGB-D(red green blue-depth)机器人融合型道路坡度估计方法。首先,引入随机采样一致性算法完成点云处理;其次,采用改进型平面拟合方法完成法向量估计;最后,采用余弦聚类及累加平均方法实现高精度道路坡度估计。实验结果表明,该算法在数据集下相较最小二乘法与稀疏子空间法,估计误差分别降低1.21%、2.13%,在实际环境下较最小二乘法平均误差降低1.43°,这证明了所提方法的可行性和准确性。