基于CC2530的无线传感器网络监控平台

设计了一种基于ZigBee的低复杂度、低功耗和低成本的无线传感器网络环境监控平台,该平台可动态显示网络拓扑结构。主要由ZigBee无线传感器网络、通信网关和ARM控制台三部分构成。以ARM9作为控制台环境,ZigBee芯片CC2530为核心搭建无线网络,挂载温/湿度传感器、振动传感器及压力传感器等构成完整的环境监测平台。测试结果表明,设计的系统运行稳定,数据采集准确,网络健硕,具有可扩展性。     

联合低秩稀疏的多核子空间聚类算法

针对多核子空间谱聚类算法没有考虑噪声和关系图结构的问题，提出了一种新的联合低秩稀疏的多核子空间聚类算法(JLSMKC)。首先，通过联合低秩与稀疏表示进行子空间学习，使关系图具有低秩和稀疏结构属性；其次，建立鲁棒的多核低秩稀疏约束模型，用于减少噪声对关系图的影响和处理数据的非线性结构；最后，通过多核方法充分利用共识核矩阵来增强关系图质量。7个数据集上的实验结果表明，所提算法JLSMKC在聚类精度(ACC)、标准互信息(NMI)和纯度(Purity)上优于5种流行的多核聚类算法，同时减少了聚类时间，提高了关系图块对角质量。该算法在聚类性能上有较大优势。     

基于自适应邻域的鲁棒多视图聚类算法

针对现存的基于自适应邻域的多视图聚类算法没有考虑噪声和共识图信息损失的问题,提出一种基于自适应邻域的鲁棒多视图聚类（RMVGC）算法。首先,为了避免噪声和异常值对数据的影响,通过鲁棒主成分分析模型（RPCA）从原始数据中学习多个干净的低秩数据;其次,用自适应邻域学习直接融合多个干净的低秩数据来得到一个干净的共识关系图,从而减少图融合过程中的信息丢失。实验结果表明,所提RMVGC算法的标准化互信息（NMI）在MRSCV1、BBCSport、COIL20、ORL和UCI digits数据集上比目前流行的多视图聚类算法分别提升了5.2、1.36、27.2、4.66和5.85个百分点。同时,该算法保持了数据局部结构,增强了对原始数据的鲁棒性,提高了关系图质量,在多视图数据集上具有较好的聚类性能。     

基于上界单纯形投影图张量学习的多核聚类算法

近年来,多核图聚类（MKGC）受到了广泛的关注,这得益于多核学习能有效地避免核函数与核参数的选择,而图聚类能充分挖掘样本间的复杂结构信息。然而现有的MKGC方法存在着如下问题：图学习技术使得模型复杂化,图拉普拉斯矩阵的高秩特性使其难以保证学到的关系图包含精确的c个连通分量（块对角性质）,以及大部分方法忽略了候选关系图间的高阶结构信息,使得多核信息难以被充分利用。针对以上问题,提出了一种新的MKGC方法。首先,提出一种新的上界单纯形投影图学习方法,直接将核矩阵投影到图单纯形上,降低了计算复杂度;同时,引入一种新的块对角约束,使学到的关系图能保持精确的块对角属性;此外,在上界单纯形投影空间中引入低秩张量学习来充分挖掘多个候选关系图的高阶结构信息。在多个数据集上与现有的MKGC方法相比,所提出方法计算量小、稳定性高,在聚类精度（ACC）和标准互信息（NMI）指标上具有较大的优势。     

基于熵自加权联合正则化最近点的图像集分类算法

图像集分类算法通过充分利用图像的集合信息来提高识别性能，得到了广泛的关注。但是现有的图像集分类算法存在如下问题：1）需要样本满足某种概率统计分布；2）忽略了图库集类与类之间的互斥性；3）对非高斯噪声不具备鲁棒性。为了解决上述问题，提出了一种基于熵自加权联合正则化最近点的图像集分类算法（SRNPC）。首先在测试集中寻找唯一的全局联合正则化最近点，同时最小化该点与每个图库集中正则化最近点之间的距离；然后，为了增强类之间的判别力以及对非高斯噪声的鲁棒性，引入一种基于熵尺度的自加权策略来迭代更新测试集与各个图库集合之间的熵加权权重，得到的权重能够直接反映测试集与每个图库集之间相关性的高低；最后，利用测试集和每个图库集之间的最小残差值获得分类结果。通过在UCSD/Honda、CMU Mobo和YouTube这三个公开数据集上与当前主流的算法进行的对比实验结果表明，所提出的算法具有更高的分类精度和更强的鲁棒性。     

基于嵌入式的混凝土支撑轴力监测系统

针对在地铁基坑混凝土支撑轴力监测中,混凝土支撑轴力测量精度差以及实时性不高的问题,设计了基于嵌入式高精度混凝土支撑轴力实时监测系统。系统实现了振弦式传感器可控激振、测频电路的设计。以基于Cortex-M4内核的STM32F407为主控芯片,通过振弦式传感器对混凝土应力计的应力进行实时监测,监测数据采用RS485总线的方式传输至PC上位机进行处理及显示。系统通过硬件设计及软件修正的方式提高了混凝土应力的测量精度,同时提高了数据处理的实时性。     

基于原型与正交投影学习的图像集分类算法

为了利用图像集中的集合信息来提高图像识别精度以及对图像变化的鲁棒性,从而大幅降低诸如姿态、光照、遮挡和未对齐等因素对识别精度的影响,提出了一种用于图像集分类的图像集原型与投影学习算法（LPSOP）。该算法针对每个图像集学习有代表性的点（原型）以及一个正交的全局投影矩阵,使得在目标子空间的每个图像集可以被最优地分类到同类的最近原型集中。用学习到的原型来代表该图像集,既能降低冗余图像干扰,又能减少存储和计算开销,学习到的投影矩阵则能够大幅提高分类精度与噪声鲁棒性。在UCSD/Honda、CMU MoBo和YouTube celebrities这三个数据集上的实验结果表明,LPSOP比目前流行的图像集分类算法具有更高的识别精度和更好的鲁棒性。     

基于ZigBee的多传感器物联网无线监测系统

针对无线传感器网络在物联网无线监测中的应用,基于ZigBee技术组建树形无线网络,以SoC芯片CC2530为核心设计模块化无线节点硬件,集成了含温湿度和振动量等的多传感器模块,基于Z-stack协议栈完成了多传感器有限状态机程序和低功耗节点程序,并改进了协议栈对链路失效的管理机制。通过大量实验获取统计数据,无线节点点对点传输速率典型值为20 kb/s,多跳传输典型值为0.3 kb/s,系统具有较强的扩展性,能够较好地满足智能家居和安防监测等物联网应用。