密闭舱室环境及身体状况监测可通信报警系统设计研究

本文针对密闭舱室环境对工作人员生命安全造成威胁,导致工作人员缺氧中毒受伤等事故频繁发生,研究设计一套自动监测船舶密闭舱室危险环境和工作人员身体状况、可通信的报警系统。该系统以STM32单片机为系统主体,将对讲机无线通讯技术、血氧饱和度心率测试技术、空气成分分析技术等集于一体,对于密闭舱室工作有重要意义！     

基于内聚度和耦合度的二分K均值方法

聚类分析是数据挖掘中最重要的技术之一,它在社会经济的各个领域都具有重要作用,并被广泛应用。K均值算法是最经典、应用最广泛的聚类方法之一,但其缺点是过度依赖初始条件和聚类数目难以确定,这制约了其应用范围。引入簇的内聚度和耦合度的定义与度量方法,基于“高内聚低耦合”的原理,在二分K均值聚类过程中对得到的簇进行不断的分裂和合并,并判断聚类结果是否满足要求以确定聚类的次数和簇的个数,从而实现对二分K均值聚类过程的改进。在Iris数据集上的实验测试与分析表明该算法不仅更加稳定,而且其聚类结果的正确率也较高。     

采用响应图置信区域自适应特征融合的相关滤波跟踪

针对固定特征融合权重的相关滤波跟踪算法在光照变化、目标形变下跟踪失败的问题,提出了采用响应图置信区域自适应特征融合的相关滤波跟踪算法以提高算法鲁棒性。首先,将响应图中高于响应图期望值的区域作为响应图置信区域,然后,根据HOG特征响应图置信区域计算出HOG特征响应图和颜色直方图特征响应图的融合权重,实现HOG和颜色直方图特征的自适应融合。仿真实验采用跟踪基准数据库(OTB-2015)中的100组视频序列进行实验,对比了5种流行的相关滤波跟踪算法。实验结果表明,本文算法的综合AUC和精度分别为0.609和0.814,尤其在光照环境下AUC和精度分别为0.655和0.847,相比Staple分别提升5.7%和5.6%。本文算法在光照和形变交叉环境下AUC达到0.681。在光照变化、目标形变、背景混乱、尺度变化等场景下,本文算法具备更优的跟踪性能。     

基于半监督学习的社交网络用户属性预测

研究如何利用社交关系推测用户的隐藏属性(私隐信息),采用基于图的半监督学习方法推测用户属性。为了提高预测的准确率,提出利用属性聚集度评价属性推测的难易程度,并依用户节点标记的不同,设计不同的权重公式计算用户之间的关系强度。以“人人网”数据作为实验数据,对用户的兴趣与毕业学校进行预测,验证了方法的有效性。     

电力无线专网D2D中继链路延时分析

电力无线专网采用电力行业专用频点对于配网、计量自动化业务数据进行传输,D2D通信是该网络架构下提高数据采集实时性的有效方式。基于电力行业末端节点配网和计量数据采集的场景,对D2D中继链路延时进行建模,并分析该机制下影响延时的主要因素,研究D2D中继汇聚机制时间差以及海量终端同频并发冲突退避机制对于整体网络延时的影响。通过计算机网络仿真,验证了采用D2D中继可以有效降低20-30%的传输延时,并讨论了信道数量对于延时的局限性。     

基于信号特征知识图谱与宽度学习架构的特定辐射源识别

特定辐射源识别是一种有效的工业物联网数据流保护技术，现有的SEI方法可以通过机器学习来实现，而主流的SVM算法针对大规模训练样本会消耗大量的机器内存和运算时间。为了解决上述问题，提出了一种信号特征知识图谱与宽度学习架构的SEI方法KG-BLS算法，该方法创新性地建立了信号特征数据库，且利用KG对信号特征实现可视化表征。此外，该方法依靠特征映射节点和增强节点的非线性变换，通过单层前向传播网络来求解复杂的分类问题。仿真结果表明，所提出的KG-BLS算法在识别性能和计算开销方面具有巨大的优势。     

基于信号特征知识图谱和特征融合的特定辐射源识别技术

SEI可以用于识别各种类型的无线电发射源，包括无线电通信设备、雷达系统、无线电干扰源等。现有的SEI方法往往通过深度学习来实现，通常SEI要求分类模型具有很高的准确性和鲁棒性。针对现今辐射源信号可视化管理不足和信号识别准确率低的问题，提出了一种信号特征KG和特征融合的SEI方法。第一，该方法创新性地建立了信号特征数据库，且利用KG对信号特征实现可视化表征；第二，基于构建的信号特征KG进行特征融合，有效提升了特定辐射源分类识别的准确率。仿真结果表明，所提出的基于KG和特征融合的SEI方法可以更好地对辐射源信号进行可视化管理，且提升了辐射源识别性能。