自适应卷积神经网络在面部表情识别中的应用

针对无法对面部表情进行精确识别的问题,提出了基于ResNet50网络融合双线性混合注意力机制的网络模型。针对传统池化算法造成图像特征提取残缺、模糊等问题,提出了一种基于Average-Pooling算法的自适应池化权重算法,同时基于粒子群算法对卷积神经网络模型超参数进行自适应调节,从而进一步提升模型识别精度。基于改进的网络模型,设计了一款实时面部表情识别系统。经验证,在Fer2013数据集和CK+数据集上,改进的模型在测试集中的识别精度分别为73.51%和99.86%。     

基于RSSI的无线传感器网络质心定位算法优化

为了提高无线传感器网络定位精度的准确性, 对质心定位算法进行优化. 在测距阶段, 采用均值滤波和中值滤波相结合的方式对RSSI值进行预处理; 在定位阶段, 使用距离倒数的指数幂对质心加权; 同时引入迭代的思想, 解决了定位中锚节点密度不高的情况下, 节点无法定位的问题. 实验结果表明, 本文改进的算法与质心定位算法和距离加权的质心定位算法相比, 能够有效地提高无线传感器网络的定位精度.     

基于ZigBee技术的灵芝无线传感器监测网络

提出了一种监测灵芝生长环境的无线传感器网络(wireless sensor network)系统.传感器网络的节点由传感器部分、无线收发模块、单片机组成.节点传感器部分安装了温度传感器、湿度传感器、pH传感器、土壤水分传感器、光敏电阻传感器,并对相应的传感器工作原理进行了简单介绍.传感器网络的无线收发模块采用CC2420模块,传感器网络节点采用Atmega128单片机为其处理器.WSN的通信协议选择ZigBee协议.同时,进行了灵芝生长环境的传感器检测实验并对数据进行了分析探讨.     

基于混沌粒子群与Taylor算法的协同定位算法研究

针对无线传感器网络中运用TDOA方法定位时,Taylor算法容易受到初始估计值影响,导致节点定位精度低、不容易收敛,因此提出了一种基于混沌粒子群与Taylor算法协同定位的方法。该算法首先运用混沌粒子群算法求解TDOA方程组,得到一个具有较高精度的未知节点的估计坐标值,将这个估计值作为Taylor算法的初始值进行迭代运算,最终完成对未知节点的坐标估计。仿真结果表明,该算法提高了节点的定位精度和定位速度。