排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
在射频能量捕获无线传感网(Radio Frequency Energy Harvesting Wireless Sensor Networks,RFEH-WSNs)中,基站(即汇聚节点)不仅具有较高的成本,而且其部署位置很大程度地决定了节点的可达吞吐量。文中研究RFEH-WSNs中满足节点吞吐量需求的基站最少化部署问题。首先,将该问题建模为优化问题,以深入理解该问题的本质;然后,提出一种低复杂度的启发式部署算法和一种复杂度略高的基于遗传算法的部署算法。仿真结果表明,这两种算法能找出基站数目较少的可行部署方案。相比于启发式基站部署算法,基于遗传算法的基站部署算法能得到部署基站更少的方案,但计算复杂度略高,适用于规模较小的RFEH-WSNs。 相似文献
2.
射频能量捕获无线传感器网络可以通过不同物理环境和不同需要条件如时间、频率、能量源的发送能量功率等维度上进行充分的控制,稳定性较强,而其中的基站不仅具有较高的成本,而且其部署位置很大程度地决定节点的可达吞吐量。本文研究了在满足每个传感器节点的吞吐量不小于其吞吐量需求的条件下,均衡基站负载量,尤其是负载量最大的基站,提出了优化每个基站的负载量的方案。首先进行系统建模,然后提出了一种启发式部署算法,以达到负载均衡的目标。通过这些步骤优化部署,既满足了每个节点吞吐量限制,又让每个基站负载量尽可能小。仿真结果表明,通过节点的优化接入能够有效降低网络基站负载量方差,达到了负载均衡的效果。 相似文献
3.
4.
针对传统手势识别算法准确率不高、鲁棒性不强的问题,基于卷积神经网络提出基于Faster R-CNN的手势识别算法.首先修改Faster R-CNN框架的关键参数,达到同时检测和识别手势的目的;然后提出扰动交叠率算法,避免训练模型的过拟合问题,进一步提高识别准确率.在公共数据集NTU和VIVA上进行手势识别实验的结果表明,该算法有效地避免了训练模型的过拟合问题,比传统算法具有更高的识别准确率和更强的鲁棒性. 相似文献
1