排序方式: 共有48条查询结果,搜索用时 15 毫秒
1.
2.
针对LEACH算法随机选取簇头,未考虑节点剩余能量及单跳与sink节点通信造成能量损耗过快的问题。引入以剩余能量及邻居节点数作为权重因子的时间等候簇头竞争模式选取簇头,并提出LEACH与蚁群算法相结合建立簇间路由机制,采用局部信息素更新,综合簇头节点的剩余能量及节点距离,为簇首与sink节点通信建立多跳路由,达到降低簇头节点能耗过快的目的。仿真实验结果表明,改进算法在降低能耗、延长网络生命周期等方面较LEACH算法有较大提高。 相似文献
3.
4.
基于邻域加权的多层次模糊边缘检测算法 总被引:1,自引:0,他引:1
针对目前边缘检测方法在低对比度图像、噪声图像中检测效果不理想的问题,本文结合微分算子和模糊边缘检测的优点,提出一种基于邻域加权的多层次模糊边缘检测方法。首先,利用微分算子计算图像梯度特征,依据图像梯度特征对图像进行自适应地分层;然后构造模糊函数,用模糊函数增强不同强度的图像梯度特征,取得了较好的边缘检测结果。仿真实验表明:基于邻域加权的多层次模糊边缘检测算法能较好地检测低对比度图像的边缘,同时能有效抑制椒盐噪声、高斯噪声对图像边缘检测的干扰。 相似文献
5.
量子门Elman神经网络及其梯度扩展的量子反向传播学习算法 总被引:2,自引:0,他引:2
针对Elman神经网络的学习速度和泛化性能, 提出一种具有量子门结构的新型Elman神经网络模型及其梯度扩展反向传播(Back-propagation)学习算法, 新模型由量子比特神经元和经典神经元构成. 新网络结构采用量子映射层以确保来自上下文单元的局部反馈与隐藏层输入之间的模式一致; 通过量子比特神经元输出与相关量子门参数的修正互补关系以提高网络更新动力. 新学习算法采用搜索然后收敛的策略自适应地调整学习率参数以提高网络学习速度; 通过将上下文单元的权值扩展到隐藏层的权值矩阵, 使其在与隐藏层权值同步更新过程中获取时间序列的额外信息, 从而提高网络上下文单元输出与隐藏层输入之间的匹配程度. 以峰值检波为例的数值实验结果显示, 在量子反向传播学习过程中, 量子门Elman神经网络具有较快的学习速度和良好的泛化性能. 相似文献
6.
网络拓扑结构影响着传感器节点的负载均衡与生存周期,分簇结构是无线传感网络的一种有效地拓扑管理方式。根据血管网络特征以及对构建无线传感器网络拓扑结构的启示,提出了无线传感器网络非均匀等级分簇拓扑结构。分析血管网络结构特征,建立数学模型和网络拓扑结构,对具有压力差的网络节点进行等级标定。根据改进粒子群算法进行非等概率静态分簇,形成不同等级区域具有密度和规模不等的非均匀等级分簇拓扑结构。仿真分析表明,此算法能优化网络分簇,均衡节点能耗,延长网络生命期,避免网络能耗热点问题。 相似文献
7.
传输可靠性是衡量无线传感器(Wireless sensor networks, WSN)网络性能的一个重要指标. 针对节点故障会影响网络传输稳定性和可靠性的问题, 提出了基于多路径纠删编码的 无线传感器网络可靠传输策略(Multi-paths and erasure encoding strategy, MPE2S). 根据反映链路质量的最优最差蚂蚁系统的信息素归一化值, 在相邻等级节点间建立多条互不交叉的传输路径, 将源数据包经纠删编码的 数据片沿多条路径分配和传输以实现负载均衡和故障容错. 理论分析和仿真结果表明,MPE2S具有较高数据包接收率、数据准确率和能效性, 体现了良好的故障容错性、数据传输稳定性和可靠性. 相似文献
8.
9.
针对在图像旋转或局部扭曲变形等复杂情况下的图像识别问题,提出一种基于核稀疏分类与多尺度分块旋转扩展的鲁棒图像识别算法。该算法首先对图像进行多尺度分块与旋转扩展,使得字典能近似测试图像局部的旋转扭曲与各种排列组合。为了增加字典类间稀疏度,改善系统效率,提出一种字典降维策略。通过核随机坐标下降方法高效求解核稀疏分类的凸优化问题,进而通过对比不同类对测试图像的重构误差完成图像识别。实验表明,与经典方法相比,文中方法具有更好的识别效果,对图像旋转或局部扭曲变形等复杂情况具有较好的鲁棒性。 相似文献
10.
为了获得较好的图像融合效果,针对传统相似度算法存在的不足,提出一种基于小波相似度加权的图像融合算法。采用小波相似度描述图像细节结构信息,并使用对比度敏感函数对不同尺度的小波系数进行加权,然后利用加权相似度对图像进行融合,最后采用仿真实验对算法性能进行测试。实验结果表明,该算法能够进一步衡量图像间的结构相似度,图像融合过渡效果更加自然,取得了优于传统相似度方法的融合效果。 相似文献