一种改进Tiny-Sync 的算法

节点时间同步是无线传感器网络中的一项支撑技术,而Tiny-Sync 算法是一种经典的无线传感器网络时间同步算法。但是Tiny-Sync 算法没有考虑噪声数据的影响,通过引入曲线拟合方法,提出了一种改进Tiny-Sync 的算法,拓展了Tiny-Sync 算法的使用范围。仿真实验证明,本算法在保持Tiny-Sync算法精度的同时,有效地克服了噪声数据的影响。     

面向复杂路网低频GPS采样数据新型地图匹配算法

大数据时代低频采样交通轨迹数据呈指数级增长,准确、高效地对复杂路网中产生的海量低频浮动车数据进行地图匹配对出租车载客热点和路线推荐具有重要意义。基于上述考虑,提出了一种基于曲线拟合的改进算法,对缺失的轨迹数据和路网数据分别使用插值和均值化的方法进行补全,利用Geohash技术对路网和轨迹数据进行存储和搜索,充分考虑车辆速度和道路限速因素,使用轨迹点后向向量和路段向量对路候选段进行分析,设计综合评价函数得到最优匹配结果。实验结果表明,与传统垂直投影算法和曲线拟合算法进行对比,所提曲线拟合算法准确率较高,时间效率得到显著提升。     

基于RSSI的自适应分段曲线拟合室内定位算法

针对室内环境因素对定位结果影响较大的情况,提出了一种基于接收信号强度指示（ RSSI）的自适应分段曲线拟合定位算法来提高室内定位的精度。在对原始RSSI数据预先进行高斯滤波处理的基础上,针对环境参数利用自适应分段曲线拟合的方法建立信号传播模型,最后采用最小二乘法计算出未知节点的坐标。实验结果表明：提出的算法定位精度更高,定位结果更稳定可靠,能够适应不同的室内环境。     

WSN中基于区间小波的偶合数据压缩算法

根据传感数据的偶合特征,提出一种基于区间小波的偶合数据压缩算法。根据数据的强偶合特性处理传感数据,利用最小二乘法对强偶合数据进行曲线拟合,结合区间小波良好的分频特性,减少传感器网络中传输的数据量。理论分析和仿真实验结果表明,该算法能对传感数据进行有效压缩,减少网络能耗。     

基于改进聚类算法的传感器非线性数据拟合研究

针对传感器输出电信号与物理量之间存在的非线性问题,提出了一种新的曲线拟合方法。该方法通过将改进的粒子群优化算法,混沌搜索法和改进的模糊C-均值算法相结合,对实验数据搜索聚类中心点,然后利用分段线性逼近对传感器输入输出关系进行拟合。介绍了粒子群优化算法和模糊C-均值算法,给出了相关的公式推导过程,对传感器输出电信号与物理量的对应关系进行曲线拟合,最后将该方法应用于电涡流智能传感器。实验结果表明,该方法精度高、可靠性好,具有较强的自适应性和快速性,能够更准确的将电信号转换为物理量。     

缺失飞参数据填补的组合方法研究

针对飞参数据的特点,将B样条曲线拟合和最小二乘支持向量机相互结合,提出了一种缺失飞参数据填补的组合方法。该方法将两者优势互补,对单一方法的填补结果进行加权平均,增强了算法的可靠性,提高了数据填补的精度。对比实验的结果表明了方法的可行性和适用性。     

基于云变换的曲线拟合新方法

云变换是一种基于云模型的连续数据离散化方法。提出了一种基于云变换的曲线拟合新方法,取得了良好的实验效果,证明了基于云变换曲线拟合方法的有效性。     

基于遗传算法和模拟退火算法的B样条曲线拟合

本文根据遗传算法和模拟退火算法各自的优缺点,提出将遗传算法和模拟退火算法相结合的方法用在曲线拟合上,在B样条曲线拟合过程中设计了新的适应度函数和遗传算子,有效地解决了用遗传算法进行B样条曲线拟合时局部效果好、整体效果不好的问题。最后数值实验验证了算法的可行性。     

基于遗传算法的B样条曲线拟合改进算法

B样条曲线拟合应用于绘制离散数据点的变化趋势,一般采用数据逼近或者迭代的方法得到,是图像处理和逆向工程中的重要内容。针对待拟合曲线存在多峰值、尖点、间断等问题,提出一种基于遗传算法的B样条曲线拟合算法。首先利用惩罚函数将带约束的曲线优化问题转换为无约束问题,然后利用改进的遗传算法来选择合适的适应度函数,再结合模拟退火算法自适应调整节点的数量和位置,在寻优的过程中找到最优的节点向量,持续迭代直到产生最终的优良重建曲线为止。实验结果表明,该算法有效地提高了精度并加快了收敛速度。     

雪深超声回波信号的自适应滤波建模方法

针对现阶段获取积雪数据准确度不高的问题,根据超声回波信号特征并结合建模方法和现代数字信号处理技术,提出一种积雪超声回波信号的自适应滤波建模方法,利用包络检波算法和曲线拟合对回波信号包络中的确定性信号进行拟合并结合自适应滤波算法,在误差信号的反馈下通过迭代使输入信号逼近参考信号,改变输入信号幅值和频率也可以稳定地收敛。通过这种方法可以合成积雪回波信号,准确描述雪盖的层理结构,有效地降低了噪声干扰,拟合匹配度得到提高。     

基于无迹卡尔曼滤波估算电池SOC

为了实现在线估计汽车动力电池的荷电状态（SOC）,提出了结合神经网络的无迹卡尔曼滤波算法。以Thevenin电路为等效电路模型,建立了状态空间表达式,采用最小二乘算法对模型参数进行辨识。在此基础上,利用神经网络算法拟合电池的荷电状态与模型各个参数之间的函数关系,经过多次实验,确定了神经网络算法的收敛曲线,此方法比传统的曲线拟合精度高。介绍了扩展卡尔曼滤波和无迹卡尔曼滤波的原理,并设计了等效电路模型验证实验、电池的SOC测试实验和算法的收敛性实验。实验结果表明,在不同的工况环境下,该方法估计SOC具有可在线估算、估算精度高和环境适应度高等优点,最大误差小于4%。最后验证了结合神经网络的无迹卡尔曼滤波的算法具有较好的收敛性和鲁棒性,可以有效解决初值估算不准确和累计误差的问题。     

基于最小均方误差的圆弧分段曲线拟合方法

提出了一种基于最小均方误差准则的圆弧分段拟合方法。该方法采用自适应高斯滤波器对原始曲线进行平滑处理以消除噪声影响,并提出了一种适合于圆弧曲线拟合的分段算法。在该算法的基础上根据最小均方意味着准则,以圆弧作为基元对曲线进行拟合。实验结果表明,该方法能够较好地消除噪声影响并保留曲线的局部特征。     

NURBS曲线拟合的最小二乘渐进迭代逼近优化算法

为了使NURBS曲线更精确地拟合散乱数据点,提出了一种基于最小二乘渐进迭代逼近(least square progressive and iterative approximation,LSPIA)的NURBS曲线拟合优化算法.首先,确定一条初始NURBS曲线,利用LSPIA算法优化控制顶点;然后,分别优化数据点参数,拟合曲线的节点和权因子,每优化好一个变量,重新优化控制顶点;最后,经多次优化迭代得到高精度的NURBS拟合曲线.在优化每类变量时,为了避免被其他变量影响,保持其他变量不变.基于LSPIA的NURBS曲线拟合优化算法充分利用了LSPIA算法的优点,在迭代过程中,可以重复使用前一迭代步骤得到的控制顶点等数据,从而节省了运算时间.算法实例表明,该算法能获得一定保形效果.     

三角函数曲线数据拟合最佳次数的确定

在实际问题中测得的实验数据有时需寻求简单函数逼近来分析,曲线拟合的最小二乘法在解决这类问题的数据处理和误差分析中应用非常广泛。为了便于说明这种方法的应用,根据最小二乘法原理,采用曲线拟合方法,运用Matlab仿真工具对三角函数实际特性曲线进行拟合,在分别采用3、5、7、9次多项式进行拟合实验的基础上,分析拟合实验效果,通过比较得出正弦函数特性曲线采用5次多项式拟合效果最佳,避免了人工处理数据的随意性,减小了误差。     

适用于网络渐进传输的多分辨率曲线生成算法

针对渐进传输系统在多分辨率矢量数据生成过程中存在的计算费时、拓扑不一致问题,提出一种适用于网络渐进传输的多分辨率曲线生成算法。该算法通过预先存储的节点偏离量化简曲线,利用优化的单调链求交算法维护曲线拓扑一致性,从而支持多分辨率曲线的快速生成和拓扑一致性维护。基于该算法开发了曲线数据渐进传输实验系统,实验结果表明,多分辨率曲线数据保持了拓扑一致性,且其生成时间与数据量大小呈近线性的关系,证明了算法的有效性。     

大量程杠杆式光学轮廓仪的非线性分析与补偿

介绍了以角锥棱镜为目标镜的杠杆式光学轮廓仪的测量方法。应用矢量坐标变换的方法理论推导了在大量程范围内测量位移与光程差的非线性关系,给出了解析解与数值解。通过理论数值解曲线图的分析,提出了采用二阶拟合的补偿方法,求出了补偿后理论误差结果。以微动工作台为位移发生器,在5.2mm范围内,实验给出了轮廓仪的测量结果,并分别计算了测量结果的线性度误差与二阶拟合补偿后的误差。     

序列模式挖掘在入侵检测中的应用研究

入侵检测系统是计算机安全体系中的一个重要构成要素,随着网络数据流量的不断增大,与数据挖掘相结合的入侵检测系统成为了研究热点。本文针对计算机入侵检测中网络安全审计数据的特点,提出了一个改进的PrefixSpan算法,并通过检测一个网络审计记录的实验,进行了结果分析。     

基于DSP的软组织弹性的检测

提出了一种基于数字信号处理器(DSP)的软组织弹性的检测方法,以DSP为核心,通过测量超声信号和力信号,计算出软组织的厚度,然后,利用直接互相关算法计算出软组织在不同力下的形变,利用施加力的数据和其对应的形变数据,拟合出软组织的弹性参数,以新鲜的猪皮、猪脂肪、猪肉为标本进行了实验,并给出了实验结果。     

快速搜索与发现密度峰值聚类算法的优化研究

CFSFDP是基于密度的新聚类算法,可聚类非球形数据集,具有聚类速度快实现简单等优点。CFSFDP需人工尝试确定密度阈值dc且对一个类中存在多密度峰值的数据无法进行准确聚类,为解决该缺点,本文提出基于近邻距离曲线和类合并优化CFSFDP（简称 NM-CFSFDP）的聚类算法。首先,算法用近邻距离曲线变化情况自动确定密度阈值dc;然后,用本文提出自动确定dc的CFSFDP对数据聚类;最后用本文计算dc值的方法指导类的合并,引入内聚程度衡量参数解决了类合并后不能撤销的难题,从而实现对多密度峰值数据的正确聚类。通过实验对比,NM-CFSFDP算法确实比CFSFDP算法具有更加精确的聚类效果。