基于Linux3S的土地基础信息采集技术

针对现有土地基础信息获取手段存在的一些缺陷,提出基于Lin“平台的、结合3S技术的土地基础信息采集方法。采用以Linux平台为核心,设计具有自主知识产权的嵌入式GIS模块,为适应在掌上电脑中使用,提出四叉树——双缓冲存取模式,以提高电子地图显示速度,利用四叉树分割法,实现大型底图显示,集成上层土地管理软件,实现土地基础数据采集。该技术在示范应用中实现取得良好效果,证明了该技术的有效性。     

一种改进蚁群算法研究和旅游景区路径规划问题求解*

针对旅游景区路径规划问题的复杂性,把景区路径分为全景区图与子景区图,并归为同一问题解决。然后提出BVC蚁群算法,设计繁殖蚂蚁(Breeding ants)、视觉蚂蚁(Visual ants)和普通蚂蚁(Common ants),各类蚂蚁按各自规则遍历。蚂蚁遍历完所有景点,求出最佳行程MIN(k,Pk,Lk),并根据约束条件,对符合要求的路径上的信息素进行更新。再结合模拟退火算法,在每个状态对蚁群行程进行舍取,重复迭代,最终获得全局最优解。仿真实验结果表明,该方法在景区路径规划中,表现出良好的稳定性和高效性。     

基于数据库技术的Apriori改进算法研究与应用

通过学习《数据库原理与应用》这门学科,将数据库知识与数据挖掘知识相结合,研究Apriori改进算法及它在餐饮智能推荐中的应用。针对基本Apriori算法在运行过程中需要多次扫描数据库,算法每次生成的候选项集多,导致系统开销过大,运行效率低的问题,提出一种改进的Apriori算法。将改进后的算法应用到餐饮智能推荐中,取得良好的效果。     

基于轨迹预测的双锚节点移动定位方法研究

在无线传感器网络定位(RTLS)解决方案中,利用信号强度或信号传输时间进行测距是主要方法之一.然而目前大量的研究都需要三个或多个锚节点来确定标签的位置,这类方法在大规模网络中将消耗大量的能量和成本.针对该问题提出一种基于轨迹预测的双锚节点移动定位方案.该方案利用超宽带(UWB)技术进行节点间测距,并结合LSTM轨迹预测模型,仅需要两个锚节点即可实现对目标标签的精确定位.同时还讨论了该方案在二维平面和三维空间中的定位效果,实验结果表明平均定位误差分别为5.24 cm和7.58 cm.     

基于ARM-Linux的嵌入式GIS关键技术研究

在ARM-Linux系统中,对MapInfo地图数据(mif、mid)进行分析,建立合适的GIS数据结构.提出GIS改进算法,利用C++程序语言,设计嵌入式GIS模块,然后通过QT/E图形库,使GIS空间数据与属性数据结合显示.最后将嵌入式GIS应用于电子导游系统中,并取得良好效果.     

在嵌入式系统中求解无约束的现实TSP问题

介绍了利用模拟退火算法思想,结合大概率最近邻深度搜索算法解决无约束的TSP问题,以及用改进的深度优先遍历建立TSP子集数据结构和求解,并成功地应用到嵌入式电子导游系统中,取得良好效果。     

耦合涡度相关技术和光能利用率的森林碳汇计量方法研究

利用传感器网络采集的生态环境数据,依托与计算机网络技术相结合的BP神经网络算法,探索出了一种能有效耦合涡度相关技术和光能利用率模型这两种碳汇计量方法的机制。通过与实测数据的比较,最终结果表明这是较为理想的效果。     

基于云计算平台的CO2空间数据融合算法

为了对移动传感器网络采集到的时间、空间不确定的海量CO2浓度数据进行融合,首先对采集的CO2数据进行分析,把测试区域分成m×n个网格,分析从每个网格取一个有效值来表示CO2浓度分布。然后根据云计算强大的计算能力,提出组合云模型,设计普通云、繁殖云、视觉云和邻接云,以云内相对独立运行和云间相互作用形成分布式并行计算机制。接着改造蚁群家族,设计普通蚂蚁、繁殖蚂蚁、视觉蚂蚁和邻接蚂蚁。各类蚂蚁分配到不同的云朵中,并按自身的规则运行,各类蚂蚁彼此配合工作,实现信息素和最优解在云内部局部交换和通过云服务器在云朵之间全局交换相结合。最后模拟生成有关临安的11080个数据,利用Clounding V2模拟平台进行大量实验,实验表明算法在105次寻优后基本趋于稳定,寻优能力是单机算法的60倍左右,并且普通云、繁殖云、视觉云和邻接云中的蚂蚁数量比设为2∶2∶1∶1性能表现出最佳。     

基于BP神经网络的光照分布研究

光照度对植物的生长发育有着不可忽视的重要作用,它的强弱直接影响到植物的光合作用、物质代谢、结构形态和农作物产量等。通过重点研究大规模样本点的BP神经网络空间插值方法,进而提高计算光照分布的准确性和有效性。利用分组训练、组合优化的改进BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。实验结果表明该模型的相对误差较小,对光照度预测的可信度较高,可以用于预测光照分布。     

基于残差修正法的无线传感器网络定位技术

测距定位是无线传感器网络节点定位中一种常见的方法。然而距离测量往往容易出现错误,导致潜在的大量非高斯误差的测量数据,最终会导致不精确的定位结果。通过分析非线性最小平方残差定位时,测距误差与残差的分布关系,一种坏测距误差的误差估计方法在本文中被提出。采用估计出的测距误差,修正了非线性最小平方残差值,提高了定位精度。仿真实验表明,该算法能有效估计出坏测距误差,并改进了定位效果。