基于组合模型的自相似业务流量预测

针对经验模式分解存在的模态混叠问题,提出了一种基于组合模型的自相似业务流量预测方法。首先通过对网络流量进行集合经验模式分解,有效地去除自相似网络流量中存在的长相关性。接着根据分解得到的各本征模态函数分量的不同特性,分别采用人工神经网络与自回归滑动平均模型对其进行预测,最终再将预测结果进行组合。仿真结果表明,提出的方法对于实际网络流量数据具有较高的预测精度。     

基于多核学习的投影非负矩阵分解算法

非负矩阵分解(NMF)把给定的数据矩阵分解成低维的非负基矩阵和对应的系数矩阵,两者之间存在必然联系。为此,研究者将基矩阵转换为系数矩阵的投影,进一步提高分解效率。但是该方法无法处理非线性数据,核函数的引入部分解决了此问题,却同时导致核函数参数选择的问题。基于多核学习理论,提出了一种多核学习的投影非负矩阵分解(MKPNMF)算法,该算法有效地避免了核函数参数选择的问题,同时提高了学习性能。在实际人脸数据上的实验结果表明,MKPNMF较已有的NMF类方法具备明显的性能优势。     

一种综合能量和节点度的传感器网络分簇算法

针对无线传感器网络分簇过程中簇首耗能过快问题,提出了一种综合节点剩余能量和节点度数进行簇首选取的分簇算法ENCA(energy and node degree synthesized clustering algorithm).该算法在每轮的簇首选取中考虑了每个簇内所有节点的剩余能量和平均剩余能量,并在每个簇中依据节点的度数优化簇首的选择.在算法运行过程中,在保证网络连通的同时,避免了能量较低的节点当选为簇首.仿真结果表明,与LEACH算法和ACE算法相比,ENCA算法均衡了网络中节点的能量消耗,有效延长了网络寿命.     

改进的LS-SVM方法在EMD端点效应问题中的应用

经验模态分解能有效处理非平稳、非线性信号,但在多次采用三次样条插值获取信号上、下包络的过程中容易产生影响分解精度的端点问题。为了抑制经验模态分解中存在的端点效应问题,提出了一种基于最小二乘支持向量机和镜像延拓的端点效应抑制方法。该方法采用最小二乘支持向量机对原始信号序列两端分别向左、右各延拓有限个数据点;用镜像延拓对延拓后的信号序列进行对称延拓处理,将其延拓成一个环形信号序列;对这一环形信号序列进行经验模态分解。通过对仿真信号以及真实脑电信号进行实验分析以及与其他延拓方法的对比,结果表明该方法能够有效抑制端点效应问题,并在抑制端点效应问题方面优于传统的支持向量机和最小二乘支持向量机。     

基于非均匀分簇的无线传感器网络分层路由协议

针对大规模无线传感器网络(WSN)中由于簇首节点分布不合理而导致节点消耗能量过快的问题,设计了一种基于非均匀分簇的无线传感器网络分层路由协议(HRPNC)。HRPNC结合低功耗自适应集簇分层型协议(LEACH)中的分簇思想,并在分层的基础上对能量均衡的无线传感器网络非均匀分簇路由协议(DEBUC)中竞争半径的算法进行改进,即通过分层机制及竞争机制选取簇首,使簇首节点分布更加合理,有效均衡节点的能量消耗。在Matlab上进行的仿真实验中,HRPNC在生存周期上较LEACH协议与DEBUC协议分别提高了约500轮、300轮;HRPNC的节点平均剩余能量高于LEACH协议与DEBUC协议,节点能量的消耗在生存周期间基本保持较低且平稳的能量消耗;HRPNC较LEACH协议与DEBUC协议在数据包传输总量上分别提高了约300%、130%;在不同仿真环境下,HRPNC的丢包率均比LEACH协议和DEBUC协议低。实验结果表明,HRPNC不仅能有效延长网络的生存周期,提高数据的传输数量与网络的稳定性,并且能有效降低数据传输的丢包率。     

基于CATIA V5的某汽车顶盖模态分析

一、引言 在当今汽车市场领域,随着社会的发展,技术的进步,市场竞争日趋激烈,提高汽车的乘坐舒适性已经成为增强竞争力的有效手段之一。汽车在行驶中承受着来自路面的多种振动,受力比较复杂,当激励频率与车身固有频率接近时,会导致车身严重变形甚至是结构破坏。     

基于OFDM的通信系统仿真及性能分析

文章搭建了两种OFDM通信系统模型,采用MATLAB语言仿真了整个系统并得到了相应仿真结果,在此基础上对OFMD系统在八种信道模型、三种信道估计算法下的性能做了更全面而深入地分析,获得的结论有助于我们在面对不同的环境下选择怎样的信道估计算法提高通信系统整体性能时能做出正确而快速判断。     

变精度粗糙集模型及其应用研究

介绍了广义粗糙集模型和Ziarko变精度粗糙集模型,找出了它们的不足;借助引入的误差参数β(0≤β<0.5),给出了基于后继邻域的一般二元关系下变精度粗糙集模型的β上近似、β下近似、3边界和β负域的定义以及β近似质量和β粗糙性测度定义;详细讨论了β上、下近似算子的性质、该模型与其他粗糙集模型的关系以及一般二元关系下两种变精度粗糙集模型的关系;最后,举例说明了该模型在信息处理中的应用。     

基于场景模态深度理解网络的单目图像深度理解

基于深度卷积神经网络的图像处理方法得到的单目深度图像质量远高于传统图像处理方法,但该方法对无用特征的训练易产生误差积累,且基于回归求解的连续深度距离预测精度较低,导致图像深度信息提取不精确、目标边缘模糊与图像细节缺失.提出一种应用于单目彩色图像的场景模态深度理解网络.建立以堆叠沙漏为主框架的网络模型,通过反复进行自下而...     

基于MP算法的语音信号稀疏分解

语音信号稀疏分解是一种新的语音信号分解方法,可以将语音信号分解为很简洁的近似表达形式。在语音信号稀疏分解的基础上,可应用于语音处理的多个方面,如语音压缩、语音去噪和语音识别等。研究利用Matching Pursuit（MP）算法实现语音信号的稀疏分解,实验结果表明基于MP算法的语音信号稀疏分解具有较好的重建精度和较高的稀疏度。