基于IGGIII方案的自适应渐消卡尔曼滤波器

渐消卡尔曼滤波器滑动采样区间长度[N]的取值为单一定值,难以实现滤波精度与动态性之间的平衡。针对该问题,提出了一种基于IGGIII方案的自适应渐消卡尔曼滤波器。该滤波器进行新息异常卡方检测,通过构建一个类似于IGGIII权函数的三段式滑动采样区间长度[N]的取值函数,实现滑动采样区间长度[N]的自适应优化选取,提升滤波精度。Matlab仿真结果证明,基于IGGIII方案的自适应渐消卡尔曼滤波器在系统稳定情况下滤波结果更加精确,系统模型参数发生变化时具有更好的动态性,能够实现滤波精度与动态性之间的平衡。     

决策树C4.5算法的改进与分析

C4.5算法在选择分裂属性时只考虑了每个条件属性和决策属性之间的关系，而没有考虑到条件属性间的相关性，直接影响构建树的准确率。提出一种基于Kendall和谐系数的C4.5决策树优化算法，用于解决条件属性之间相关性的问题，提高算法属性选择的准确性。在引入系数的基础上运用等价无穷小原理对计算公式进行简化，提高了算法的效率。对改进后的C4.5算法和传统的算法进行仿真实验，结果表明，改进的C4.5算法在准确度和效率上都有较大提高。     

基于DE-PSO路由的最优路径选择算法研究

针对目前ZigBee网络中路由节点间能量消耗不均衡、能量消耗大和节点过早死亡等问题,提出了融合差分进化粒子群算法(DE-PSO)。首先,对比节点剩余能量,通过对比簇首竞选权重值竞选簇首,其次,利用DE算法搜索全局较优路径,并利用PSO算法的收敛性快速找到最佳路径。仿真结果表明,DE-PSO算法相比于经典的AODVjr算法、DE算法和ACO-AODV算法,可以有效地减少节点死亡、延长网络生存时间、减少节点能量损耗,提高了ZigBee网络的整体性能。