LEACH协议最佳群首个数的研究

低能耗自适应分簇(LEACH)协议随机循环地选择群首并将网络能量消耗平均分配给每个节点,但没有考虑选择的群首个数是否在最佳群首范围内。为了避免网络中群首节点数较少或较多而导致节点过早死亡,结合节点数据融合率并以单跳与多跳相结合的方式将数据发送给基站的方法确定最佳群首个数。当网络中的分群个数与最佳群首个数相同时,可以提高网络生命周期,节约网络能耗。     

网络群负相关训练算法的等价形式

在基于负相关的神经网络群学习算法中,相关项由目标输出或网络群输出定义。本文首先证明无论相关项采用何种定义形式,个体网络的目标函数都等价于网络自身性能和群性能的线性组合,线性组合系数由给定参数和网络群规模共同确定。然后给出个体网络目标函数的统一定义,并分析了目标函数内参数的含义。该目标函数表明负相关算法实际是实现多目标优化,所以网络群算法无需负相关概念,从而在概念和实现两方面简化了负相关算法。     

无线传感网络布局的虚拟力导向微粒群优化策略

无线传感网络通常由固定传感节点和少量移动传感节点构成,动态无线传感网络布局优化有利于提高无线传感网络覆盖率和目标检测概率,是无线传感网络研究的关键问题之一.传统的虚拟力算法在优化过程中容易受固定传感节点的影响,无法实现全局优化.本文结合虚拟力算法和微粒群算法,提出一种面向无线传感网络布局的虚拟力导向微粒群优化策略.该策略通过无线传感节点间的虚拟力影响微粒群算法的速度更新过程,指导微粒进化,加快算法收敛.实验表明,虚拟力导向微粒群优化策略能快速有效地实现无线传感节点布局优化.与微粒群算法和虚拟力算法相比,虚拟力导向微粒群优化策略不仅网络覆盖率高,且收敛速度快,耗时少.     

群智感知网络发展现状及面临问题

<正>随着移动终端设备、嵌入式传感器设备等的快速发展,移动群智感知网络成为物联网的新感知技术,相较于传统感知网络解决了成本高的难题,近年来被广泛应用于发展。本文主要从移动群智感知网络的发展研究现状及未来面临问题进行综述。通过对群智感知网络的定义、特点及架构,群智感知网络在3个方面的经典应用等进行阐述和总结。     

一种无线传感器网络全连通群的休眠调度算法

该文针对无线传感器网络的覆盖性和连通性问题,在假设传感器节点地理位置信息已知的条件下,设计了一种包含全连通群的建立和维护以及群内节点休眠调度的全新算法。该算法采用保证群内节点彼此一跳可达的全连通群分群方法,以及分布式节能的休眠调度策略,最大程度上减少传感器网络的能量消耗,延长了网络寿命。仿真结果表明：该算法能较好地保证无线传感器网络的覆盖性和连通性,且能耗较低。     

低能量自适应分群分层协议的改进

为了避免能量较少节点当选为群首而过早死亡,对Leach协议群首的选取进行改进。采用结合节点剩余能量重新设置阈值的方法,选取剩余能量较多的节点作为群首,解决了能量较少节点当选为群首和群首负担载过重的问题。仿真结果表明,采用改进后的算法可以有效减少网络能量的消耗,延长网络生存时间。     

基于Skip-LSTM的机场群延误预测模型

针对目前机场群发展不平衡，国际枢纽机场的延误率居高不下，航班时刻短缺，资源紧张，而区域枢纽机场却存在资源空闲的问题，提出一种基于跳过门的长短时记忆网络 (Skip-LSTM，Skip Long Short Term Memory)的机场群延误预测模型。该模型首先将机场群中各个机场的信息，机场群航班信息以及机场群地区的气象信息进行融合及处理，然后搭建Skip-LSTM网络对融合后的数据信息进行特征提取，最后利用Softmax分类器对机场群的延误状况进行分类预测。Skip-LSTM网络在传统的长短时记忆网络(LSTM， Long Short Term Memory)的基础上增加了Skip门，能更加充分地提取机场群数据信息的时间相关性，获得更高的准确率。实验结果表明，基于Skip-LSTM的机场群延误预测模型的准确率可达95.35%，预测性能优于传统的网络模型，能对机场群的延误状况进行有效的预测。      

探析如何构建政府网站群的网络安全保障体系

随着时代的进步,技术的发展,计算机以及网络的应用得到了极大的普及.近年来,政府部门通过合理规划,统一管理、建设的政府网站群,使其工作效率得到了进一步的提高,服务质量有了较大改善.但是网络的安全性对政府网站群的正常运行构成了严重的威胁,因此本文就如何在政府网站群的管理和维护工作中构建网络安全保障体系,为政府网站群的安全稳定运行提供支撑进行的讨论.     

一种电磁传感器网络的群规模约束分群算法

电磁传感器网络是一种以电磁信号为感知目标的传感器网络。本文针对电磁传感网监测性能要求,提出了一种基于分群的电磁传感器网络频域协作工作模式,理论上分析了群规模与信号感知概率以及感知时延的关系,将电磁传感网监测性能要求转化为对分群规模的约束,并设计了群规模约束分群算法(CRCA)。仿真结果表明,在相同的性能要求和网络连通度下,CRCA得到的满足群规模约束的群比例高出已有算法10%,能较好地满足系统性能要求。     

PSO算法优化BP网络的新方法及仿真实验

 提出一种基于粒子群算法优化BP网络的权值调整新方法.该算法在基本BP算法的误差反传调整权值的基础上,再引入粒子群算法的权值修正,从而建立了基于粒子群算法优化的BP网络新模型.此模型不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且模型的精度较高,较好地提高了BP网络学习能力与泛化能力.将新模型应用于4个典型复杂函数的仿真实验,并与基本BP模型、基于遗传算法优化的BP网络模型(GA-BP)和传统的粒子群优化前向BP网络模型(PSO-BP前传)的仿真实验结果进行分析比较.仿真实例表明新PSO-BP优化模型性能尤其是泛化性能优于其它3种BP网络优化模型.