基于对比敏感度和马尔可夫链的注意信息提取算法

借鉴生理学的研究成果,提出了一种新的基于对比敏感度和马尔可夫链的视觉注意信息提取算法.在注意特征向量提取之前,先用与离心率有关的对比敏感度函数对输入的图像进行加权,用以模拟视网膜神经节的反应机制;在特征向量上定义马尔可夫链,用它的平稳分布做为活动图上的显著度.算法的平均计算时间和以神经生物学家的研究成果为标准计算的接受者操作特性曲线下面积证明了算法的有效性.     

基于DNA算法的硬实时系统预调度的研究

针对传统遗传算法在解决硬实时系统任务预调度问题时,存在早熟收敛现象,提出了一种基于DNA遗传算法的任务预调度序列搜索方法.该方法将复杂的任务调度问题转化为解决离散优化问题,利用任务的时间延迟作为目标函数,通过改进DNA遗传算法的变异算子时任务调度序列进行求解,并最终找到了具有可行性调度的最优解.仿真结果表明,所给出的搜索方法同传统遗传算法相比,具有更快的收敛速度.在初始群体规模相同的条件下,该方法的迭代次数仅为遗传算法的21.5%.     

机器学习在股票预测中的应用

使用股票的历史数据去预测股市,其忽略了市场波动中金融新闻和公众评论所造成的影响.结合历史数据和金融新闻和公众评论去预测股票时,如何准确、快速地从文本中挖掘出关键信息十分重要.基于深度学习的预测方法能更好地提取文本和股票数据的特征,特别是循环神经网络其能够捕获数据的时序特征.     

基于ZigBee网络的心电监护系统的研究

针对现有远程心电监护系统存在功耗大、传输错误率高、可靠性差等问题,结合ZigBee网络技术设计了一套新型心电监护系统.本文主要通过对ZigBee网络模型结构的系统分析,利用高性能微控制器和CC2420无线收发模块共同构建了心电监护网络内各个关键节点的硬件平台和软件平台,并对整个监护系统的原型机进行了临床测试.测试结果表明,该心电监护系统具有功耗低、传输错误率低、抗干扰性高等显著特点,有较好的推广价值.     

基于系统辨识与T-S模糊神经网络的磨矿分级控制

针对磨矿分级过程控制中具有的慢时变、非线性特征,提出了一种基于系统辨识的自适应模糊推理网络模型,并应用于磨矿控制领域.利用模糊聚类法对现有数据样本进行系统辨识,自动获取模糊规则库和相应的初始参数.依据得到的模糊系统构建基于Takage-Sugeno推理模型的自适应模糊神经网络推理系统,获得比传统的模糊神经网络具有更强的...     

基于ZigBee心电监护网络的定位系统的研究

利用超声波和无线电相结合的定位技术设计了一套适用于ZigBee心电监护网络的定位系统.本文在分析ZigBee网络模型结构的基础上,采用TDOA测距技术和Bounding box定位算法实现了心电监护网络内的短距离定位;利用高性能微控制器、CC2430无线收发模块和超声波收发模块构建了定位系统中各关键节点的硬件平台和软件平台,并对整个定位系统的原型机进行了测试.测试结果表明,该系统定位精度较高,具有较好的推广价值.     

基于ZigBee心电监护网络定位方法的研究*

提出了一种利用TDOA技术和bounding box算法相结合的节点定位方法。通过对ZigBee心电监护网络模型的分析,利用超声波测距方法实现了心电监护网络内未知终端节点与路由器节点的有效距离测量,并利用bounding box算法计算出终端节点的坐标值。给出了定位方法实现过程的具体描述并进行了系统测试实验。结果表明该方法定位精度较高,可以满足心电监护网络定位要求,有较好的推广价值。