基于“云”技术的音乐播放器设计

介绍了一款基于"云"技术的音乐播放器,该播放器集播放本地音乐、播放网络音乐、账号云同步、资源云存储于一体,使播放器的功能不局限于简单的本地播放或者单纯的网站音乐下载,通过应用了"云"技术的播放器使得任何一个用户都可以通过"云"随时随地分享他们喜爱的歌曲,同时能搜索其他用户分享的歌曲。在不同的地方,不同的平台,只要能接入互联网,就能够轻松同步个人资源,免去了不断拷贝与数据丢失之烦恼。所开发的程序基于Android平台,"云"存储模块采用了C/S模式,具有界面华丽美观,操作简洁流畅等优点。     

基于快速自编码的RELM的文本分类

正则化极限学习机RELM是一种单隐层前馈神经网络,不同于传统神经网络算法,RELM通过随机设置输入层权重和偏置值,可以快速求得输出层权重,并且引入正则化因子,能够提高模型的泛化能力。针对文本信息高维度、多类别的问题,提出一种基于快速自编码的正则化极限学习机FARELM。将由RELM改进后的快速自编码神经网络对样本进行无监督特征学习,并对特征提取后的数据使用RELM进行分类。实验表明,FA-RELM的学习速度和分类精度较优。     

二次误差修正的DV-Hop优化定位算法

介绍了无线传感器网络中DV-Hop定位算法的原理,分析了其误差产生的主要原因.针对传统DV-Hop算法在定位过程中求出的平均每跳距离值误差较大以及最终定位结果精确度不高的问题,提出了一种改进型DV-Hop定位算法.在改进算法中,信标节点通过计算一次误差修正了平均每跳距离值,通过计算二次误差修正了信标节点定位误差区域,从而使最终计算出的节点坐标更接近于真实值.仿真结果表明,改进算法在无需额外增加硬件开销的前提下,可以有效地提高定位精度.     

一种基于加权处理和误差修正的DV-Hop定位算法研究

针对传统的DV-Hop算法在定位过程中出现的容易引起误差的问题,提出了一种综合考虑所有信标节点的平均跳距并引入权值修正,将信标节点当作未知节点计算误差进而优化精度的距离估计算法,使网络平均跳距和节点位置估计值更加准确。通过相关仿真实验表明:改进算法优化了原算法的定位精度和定位稳定性,达到了预期目标。