WSN中改进的分布式多维定标定位算法

针对无线传感器网络经典集中式多维定标MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于分布式的ADMDS-MAP定位算法.该算法通过采用测定距离量化,得到节点的近邻向量(CNV),然后通过相关的估算算法得到距离矩阵D和节点的初始估值,加入适当的求精计算得到节点的精确位置.理论分析和仿真实验表明,改进算法能够提高节点的定位精度.     

大规模WSN的三层拓扑架构及其拓扑控制

针对多sink的大规模WSN,提出一种新的三层网络拓扑架构,以解决现有平面型和两层分簇型拓扑架构与大规模WSN环境不相适应的问题;在分析各层数据通信策略的基础上,重点研究了基于瓶颈sink节点的关键层拓扑控制算法,为核心层数据通信提供可靠性支持。仿真实验表明,所提出的大规模WSN三层拓扑控制结构和拓扑控制算法有助于平衡全局通信负载,控制关键通信层能量消耗,提高网络监测的鲁棒性。     

液晶显示技术及其应用

通过对液晶显示的基本原理、液晶显示常见模块及其几个应用实例的介绍,使人们清楚地认识到液晶显示的应用相当广泛,本文能帮助人们在实际工程应用中根据需要有选择地应用液晶显示技术。     

微机械陀螺在组合导航系统中的应用

介绍了基于iMEMS技术的速率陀螺芯片ADXRS300,研究了以ARM处理器为核心的GPS/SINS组合导航系统的结构及其各部分功能,给出了基于角速度测量、加速度测量和GPS定位的组合导航系统设计方案。     

Shopping System Model in Electronic Commerce

Despite its name, e-commerce is not fully automated. Typically, online transactions require a significant level of human intervention. Customers undertake the search for products, services, potential vendors and business partners. They evaluate alternatives, decide what goods to buy and when, from which vendor, and how much they are willing to pay for. They engage in potential negotiations, carry out the transactions and so on. As those markets become mature, new products and services, as well as new practi...     

三维微阵列数据的多目标进化聚类

聚类技术广泛应用于微阵列数据分析中。在基因-样本-时间GST微阵列数据矩阵中,挖掘三雏聚类成为当前的热门研究课题。3D聚类过程经常需要对多个相互冲突的目标进行优化,而且进化算法以其强大的探寻能力成为高维搜索空间中非常有效的搜索方法。本文基于多目标进化计算方法提出一个新的3D聚类算法MOE-TC,以挖掘GST数据中的3D聚类。现实微阵列数据上的实验验证结果充分说明了本文算法的有效性。     

基于Transformer的实时语义分割网络及应用北大核心CSCD

为提升机器人对电缆隧道场景的环境感知能力,提出了一种适用于电缆隧道场景的实时语义分割网络。使用Transformer结构提取图像全局语义信息,同时使用卷积神经网络捕获图像局部细节信息,将二者结合增强图像分割精度。同时,针对机器人以及隧道特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障。实验结果表明,所提出的网络在公共数据集Cityscapes、CamVid上平均交叉联合度量分别为77.2%、76.8%,相比BiSeNet分别提高了8.8%、8.1%,并能较好地适应于实际电缆隧道环境中,提供有效的场景感知信息,实现自主避障。     

采用固定时间观测器的翼伞控制方法与应用

针对翼伞–火箭一子级柔性结构系统的控制难题,提出了一种采用固定时间观测器的改进矢量场轨迹跟踪控制方法.首先,设计了在线风场估计方法对未知风场进行了估计;其次,为了保证该控制系统在气动参数不确定、子系统铰连耦合等因素影响下的快速稳定性,提出了一种固定时间干扰观测器用来估计无需知道干扰上边界的复合干扰,并用于补偿控制系统的输入;然后,设计了一个同时保证侧偏距、偏航角以及偏航角速率稳定的横侧向控制器,并利用Lyapunov理论证明了闭环翼伞控制系统的收敛特性.最后,通过数值仿真及硬件在环实验验证了所提出方法的有效性及应用价值.     

融合BERT和卷积门控的生成式文本摘要方法

结合注意力机制的循环神经网络(RNN)模型是目前主流的生成式文本摘要方法,采用基于深度学习的序列到序列框架,但存在并行能力不足或效率低的缺陷,并且在生成摘要的过程中存在准确率低和重复率高的问题.为解决上述问题,提出一种融合BERT预训练模型和卷积门控单元的生成式摘要方法.该方法基于改进Transformer模型,在编码器阶段充分利用BERT预先训练的大规模语料,代替RNN提取文本的上下文表征,结合卷积门控单元对编码器输出进行信息筛选,筛选出源文本的关键内容;在解码器阶段,设计3种不同的Transformer,旨在探讨BERT预训练模型和卷积门控单元更为有效的融合方式,以此提升文本摘要生成性能.实验采用ROUGE值作为评价指标,在LCSTS中文数据集和CNN/Daily Mail英文数据集上与目前主流的生成式摘要方法进行对比的实验,结果表明所提出方法能够提高摘要的准确性和可读性.     

基于异步条件下的笔+触控双手交互点击任务人类工效学模型的建立与研究

目的建立与研究基于异步条件下的笔+触控双手交互点击任务人类工效学模型。方法通过18名实验者对于10种不同任务复杂度下的一维异步笔+触控双手点击任务所花费的任务时间进行单因素方差分析以及线性分析,证明该模型的有效性和适用性。结果通过实验我们发现该模型所计算出的任务复杂度对任务时间具有显著影响(F_(9,170)=6.276,P=1.202×10~(-7)),并且该模型调整后的拟合度R~2达到了0.973。结论该模型对于异步条件下的笔+触控双手点击任务具有很强的有效性和适用性。