基于 ROS 改进算法的无线传感器网络耗能研究

成对广播同步（PBS）是无线传感器网络同步研究的重要协议。无线传感器节点具有体积受限、通信能力有限、存储空间较低、能量有限等特点,对传统的时钟同步协议改进是非常有必要的。因此,研究无线传感器网络的时钟同步算法将具有重要的意义。文章建立在仅接收端（ROS）同步基础上实现范围广阔的网络同步,并且能够在无线传感器网络节点的能耗方向有着不可忽视的作用。通过对单簇网络同步的研究,提出多簇网络同步并对多簇网络同步在无线传感器网络同步中全网成对选择算法（NPA）和基于组的成对选择算法（GPA）做出研究,并且做出了仿真对比。结果显示：在传感器节点数目较少的情况下,NPA 算法与 GPA算法处理消息包数目的性能几乎相同;在网络中传感器节点数目比较多的情况下,GPA 算法明显优于 NPA 算法,信息处理过程中大大减少了消息包数目。最后,对广播同步技术在应用中所出现的问题,提出了基于此算法的新的研究方向。     

基于遗传二进制粒子群混合算法的测试点决策研究

测试点选择是测试性分析和设计的前提。通过对测试问题的分析,建立了数学模型和构造了衡量测试集优劣程度的启发式函数,提出了一种遗传-二进制粒子群混合算法求解满足测试性指标要求的最小完备子集。应用实例表明,该算法能够有效的克服单一算法陷入局部最优和早熟收敛等不足,提高了搜索效率,能够有效快速的获得全局最优解。     

乳胶涂料中填料粒径测定与分散剂的选择

介绍了重力沉降法和容量沉降法两种测定乳胶涂料中填料粒径的方法。通过比较粉体粒径结果显示：沉降法比激光法更形象直观，更能代表体系粒径真实情况。以滑石粉、重钙、轻钙粉体为基准，采用不同用量、不同类型的分散剂的容量沉降法进行比较得出：用容量沉降法能定量地对分散剂性能做出评价。     

Feature selection on probabilistic symbolic objects

In data analysis tasks, we are often confronted to very high dimensional data. Based on the purpose of a data analysis study, feature selection will find and select the relevant subset of features from the original features. Many feature selection algorithms have been proposed in classical data analysis, but very few in symbolic data analysis （SDA） which is an extension of the classical data analysis, since it uses rich objects instead to simple matrices. A symbolic object, compared to the data used in classical data analysis can describe not only individuals, but also most of the time a cluster of individuals. In this paper we present an unsupervised feature selection algorithm on probabilistic symbolic objects （PSOs）, with the purpose of discrimination. A PSO is a symbolic object that describes a cluster of individuals by modal variables using relative frequency distribution associated with each value. This paper presents new dissimilarity measures between PSOs, which are used as feature selection criteria, and explains how to reduce the complexity of the algorithm by using the discrimination matrix.     

Relay selection with feedback beamforming information through designed sector sweep report frame for mmWave WPANs

This paper proposes a novel relay selection strategy based on the feedback beamforming （BF） information through designed sector sweep （SSW） report frame for millimeter-wave （mmWave） wireless personal networks （WPANs）. First, an SSW report frame compatible with IEEE 802.11ad standard is designed. Second, an approach collecting instantaneous channel state information （CSI） overheard during BF is devised. Third, with the aim of minimizing the outage probability and maximizing the overall network throughput capacity, the optimal relay selection issue for non-line-of-sight （NLoS） links is formulated as a bipartite graph, and Kuhn Munkres （KM） algorithm is provided to resolve it. Both theoretical analysis and simulation results show, with CSI considering NLoS conditions and selected relays according to the overall network throughput capacity maximization principle, the improvements achieved over opportunistic relay selection strategy in terms of overall network throughput capacity and outage probability with minimal modifications to IEEE 802.1lad.     

Joint optimal sensing time and power allocation for multi-channel cognitive radio networks considering sensing-channel selection

In this paper,we consider a multi-channel cognitive radio network(CRN)where each secondary user(SU)can only choose to sense a subset of channels.We formulate a joint optimization problem of sensingchannel selection,sensing time and power allocation under the constraints of average transmit power budget and average interference power budget,which maximizes the CRN’s total throughput.We propose a greedy algorithm to solve the joint optimization problem,which has much less computational complexity.Moreover,it is shown that the search space of the greedy algorithm can be further pruned.Finally,numerical results demonstrate that the greedy algorithm has comparable performance to the exhaustive search algorithm.     

一种配电网投资项目的综合评价与优选排序方法

配网投资项目具有项目众多、规模相对小、项目繁杂、时间紧迫等配电网建设和运维自身的特点,在投资需求远大于投资能力的情况,基于项目综合评价实现优选排序是实现配电网精准投资的关键手段.为此,提出了一种计及指标约束同时兼顾投资效益的中压配电网项目优选方法.以配电网投资效果为指标构建评价体系,并利用建设目标对项目属性进行分类,基于灰色关联度法深入挖掘项目属性与评价指标间的关联关系,探明指标改善所对应的投资概算.为了同时兼顾规划指标与投资成效,提出了计及指标约束的配网项目两阶段优选排序法,将优选过程分为针对关键规划指标的项目优选和针对普通指标的项目优选两个阶段.通过对某地市电力公司中压配电网项目进行优选评估,验证了所提方法的有效性与合理性.     

基于互信息F统计量特征选择技术的地基气象云图分类

在地基气象云图的云状(云类)识别研究中,基于局部二值模式(Local Binary Pattern,LBP)描述子的特征选择技术由于它的简单性和有效性成为最通用的方法.然而,LBP特征的高维特性使得云状识别的性能和计算开销不能令人满意.为此,本文提出一种基于互信息构造的F检验统计量的LBP特征选择算法,可以实现高维LBP特征的有效降维,同时保证云状识别的准确性,极大减少了特征选择过程的计算开销.     

基于动态注意力和多角度匹配的答案选择模型

针对当前主流神经网络在处理答案选择任务时无法同时满足句子的充分表示以及句子间信息充分交互的问题,提出了基于动态注意力和多角度匹配（DAMPM）的答案选择模型。首先,调用预训练语言模型的嵌入（ELMo）获得包含简单语义信息的词向量;接着,在注意力层采用过滤机制有效地去除句子中的噪声,从而更好地得到问句和答案句的句子表征;其次,在匹配层同时引入多种匹配策略来完成句子向量之间的信息交互;然后,利用双向长短期记忆（BiLSTM）网络对匹配层输出的句子向量进行拼接;最后,通过分类器来计算拼接向量的相似度大小,从而得到问句和答案句之间的语义关联。在文本检索会议问答（TRECQA）数据集上的实验结果表明,与基于比较聚合框架的基线模型中的动态滑动注意力网络（DCAN）方法相比,DAMPM在平均准确率均值（MAP）和平均倒数排名（MRR）两个性能指标上均提高了1.6个百分点。在维基百科问答（WikiQA）数据集上的实验结果表明,DAMPM相较DCAN在两个性能指标上分别提高了0.7个百分点和0.8个百分点。所提DAMPM相较于基线模型中的方法整体上有更好的性能表现。     

正则稀疏化的多因子量化选股策略

针对高维度数据集特征之间的复杂性,而传统的L1惩罚项不满足Oracle性质的无偏性,将逻辑回归弹性网（LR-Elastic Net）中的L1惩罚项替换为SCAD（Smoothly Clipped Absolute Deviation）和MCP（Minimax Concave Penalty）惩罚项,分别构建了LR-SCAD和LR-MCP模型,在保留稀疏性的同时满足了无偏性,并利用ADMM（Alternating Direction Method of Multipliers）算法进行求解。通过模拟实验发现,LR-Elastic Net模型能很好地处理特征存在相关性的小样本数据,而LR-SCAD和LR-MCP模型在特征存在相关性的大样本数据中表现较好;建立LR-Elastic Net、LR-SCAD和LR-MCP策略,并应用于沪深300指数成分股数据。回测结果显示,LR-SCAD和LR-MCP策略在股票相关性很强的数据中比LR-Elastic Net策略表现更好。