基于主元分析的无线传感器网络数据融合研究

由于传感器节点能量有限且难以补充,无线传感器网络设计的一个重要目标就是在严格的能量约束下最大化网络的生存时间。网内数据融合是减少传感器节点数据传输量、降低网络总能耗,最大化网络生命周期的一种有效途径。本文利用主元分析法PCA中的数据降维技术,提出一种在无线传感器网络的簇内进行数据融合的方法。该方法的主要思想是利用网络的簇头节点对具有一定相关性的多个簇内节点的实测变量进行线性变换,将其转化为少数几个不相关的综合指标后再进行数据转发,从而达到减少网络中的数据传输量和能量消耗的目的。理论分析和实例验证表明了该方法的有效性和实用性。     

基于Agent和XML的普适计算上下文集成框架

普适计算是一种新的计算模式,目的是根据用户需要提供随时随地的服务.为实现这种服务,需要多种设备和软件平台的参与,而这些设备和平台提供的上下文往往是异构且冗余的,不利于上下文信息的访问.设计一个集成框架,以解决以上问题.方法是利用Agent采集底层上下文信息,并将其转换成各种应用程序或中间件能够理解的格式,屏蔽数据异构.在高层,采用Agent技术,并使用XML作为移动Agent通信语言,实现上下文信息的交流,完成上下文的高层集成,解除平台异构,从而简化应用程序的设计,更有效地支持普适服务.     

无线传感器网络中基于多属性决策的数据转发算法

如何在严格的能量约束下均衡传感器节点能耗、延长网络生存时间是无线传感器网络数据转发研究中的一个难题.利用多属性决策理论提出了一种基于多属性决策的数据转发(multiple attribute decision making based data forwarding, MadmDF)算法来解决该问题.MadmDF算法综合评价备选数据转发节点的属性信息,从中选择最优邻居节点进行数据转发,使网络数据流量得到了合理的分配,从而均衡了网络能耗,延长了网络生存时间.仿真结果表明该算法与同类数据转发算法相比具有一定优越性.     

基于Agent和XML的普适计算上下文集成框架

普适计算是一种新的计算模式,目的是根据用户需要提供随时随地的服务。为实现这种服务,需要多种设备和软件平台的参与,而这些设备和平台提供的上下文往往是异构且冗余的,不利于上下文信息的访问。设计一个集成框架,以解决以上问题。方法是利用Agent采集底层上下文信息,并将其转换成各种应用程序或中间件能够理解的格式,屏蔽数据异构。在高层,采用Agent技术,并使用XML作为移动Agent通信语言,实现上下文信息的交流,完成上下文的高层集成,解除平台异构,从而简化应用程序的设计,更有效地支持普适服务。     

基于Agent图的三级多Agent系统组织模型

多Agent系统的组织结构是Agent个体之间交互的框架。对分布式多Agent系统的组织方式、协作机制进行了简要讨论,提出了Agent域及Agent图的概念。根据不同Agent之间的地理位置和通信代价,由Agent个体、Agent组及Agent域三级组织结构形成一个Agent图,并借鉴计算机网络的分布式自适应路由选择策略进行多Agent系统的协作组织。分析表明,该模型具有高效、健壮、通信开销较小等优点。     

仓储搬运双系统教学平台设计

仓储搬运平台涵盖知识点契合自动化专业群人才培养需求;分析目前实训平台弊端,阐述自主研发教学平台的优点;规划了平台的工艺流程;进行平台控制电路核心器件的选型;设计了三菱与西门子双系统控制线路;进行平台简易组态设计;经过教学实践验证:平台涵盖知识点综合性强,能满足自动化专业综合课程教学需求。     

基于本体的上下文感知中间件框架

上下文感知是普适计算的核心技术之一,而描述和理解上下文信息是上下文感知的前提.由于上下文信息种类繁多、感知方式迥异,目前开发面向特定应用的上下文感知系统缺乏统一的机制和通用的架构,增加了系统开发的成本.引入语义Web技术,利用本体对上下文信息进行建模,采用本体描述语言描述上下文模型,提供了一个公共的上下文本体以实现多个独立开发的上下文感知系统对知识的共享和推理,构建了通用的上下文感知中间件框架,从而实现对域内上下文知识的共同理解.     

基于PCA和模糊C-均值聚类的目标连续属性量化算法

机器学习中很多方法要求目标属性是离散的,而实际中很多属性是连续的。目前的连续属性量化算法存在的问题是当新的对象加入决策表时,原有的分割点可能不是最优的。基于PCA(主成分分析)、模糊C-均值聚类和不相容度概念,提出一种目标连续属性量化算法,该算法具有在量化过程中区别对待不同的条件属性,以决策表的不相容度为连续属性量化终止的标准,在保持决策表信息损失最少的情况下,尽量减少分类的区间数等特点。     

基于信誉度集对分析的WSN安全数据融合

由于无线传感器网络存在资源约束问题,为了有效地减少无线传感器网络中的数据传输量以降低网络的总能耗,同时确保对感知数据进行融合操作的安全性,提出了一种基于传感器节点信誉度集对分析的安全数据融合方法.在节点分簇阶段,利用基于密度函数的减法聚类方法进行分簇,既获得了较快的分簇速度,又保证了簇头节点地理位置的合理分布,使得分簇规模更加符合节点的实际布设情况.在数据传输阶段,将簇头节点选择下一跳数据转发节点建模为多属性决策过程,综合考虑备选转发节点的信誉度、能量等属性信息,从中选择综合评价最优的簇头节点转发融合数据,不仅使网络中的数据流量分布更加均衡而且保证了数据的安全性.仿真结果表明,提出的数据融合算法在融合精度、安全性及簇头节点能耗方面与同类的LEACH算法和BTSR算法相比具有明显的优势.     

基于改进SOM模型的高校学生学习过程评价研究

对高校学生学习过程进行准确的评价,是提升学生学习效率、改进教师教学方法、完善学校教学管理的重要环节。目前已经提出了多种数学模型来解决该问题,但这些方法均需要一定的先验知识且难以实现自学习。本文利用SOM模型能在无监督、无先验知识的状态下对样本进行自组织的特性进行学习过程的评价,同时通过主成分分析,提高了网络收敛速度和聚类准确性。实例分析表明:改进SOM模型能有效地进行学生学习过程的评价。