排序方式: 共有15条查询结果,搜索用时 78 毫秒
1.
为了实现无线传感器网络中基于无需测距DV-Hop定位算法的高精度定位,改进基于2、3通信半径的DV-Hop节点定位算法,并利用最小均方差准则改进计算平均每跳距离的公式,在最佳指数值下,修正锚节点平均每跳距离。MATLAB仿真结果表明,改进的算法在随机分布环境能提高节点定位精度;在最佳指数值下,进一步提升节点定位精度;在锚节点人工部署环境下,大大提高节点定位精度。改进的算法实现高精度定位同时,不需要增加网络泛洪次数和硬件成本。 相似文献
2.
3.
4.
针对激光干扰效果评估受主观经验较大、难以定量评估的问题,提出了一种基于深度学习的激光干扰效果评估方法.首先,对YOLOV5算法进行了整体介绍,其次制作了来自不同角度、不同距离的3020张激光干扰图像;然后,对标注的数据集进行训练,得到了激光干扰效果评估模型;最后,分别在YOLOV5x、YOLOV51、YOLOV5m、YOLOV5s网络模型下训练300次,实验验证了模型的正确性.实验结果表明:利用训练好的模型实现了对激光干扰图像的效果评估,该模型不仅可以自动标注激光干扰区域和进行干扰效果等级评估,同时还融入了传统策略,可以通过计算标注区域面积占整幅图像面积的大小作为辅助决策,实现自动标注激光干扰区域面积所占百分比,识别准确度在80%以上,对激光干扰效果评估具有重要意义. 相似文献
5.
DV-Hop算法是一种低成本、低定位精度的无需测距定位算法,在粗精度定位中应用广泛。为提高DV-Hop算法定位精度,从减小锚节点的平均每一跳距离误差和减小未知节点平均每一跳校正值误差两方面考虑。首先,用最佳指数值下的公式计算锚节点平均每一跳距离。然后,将未知节点的校正值加权处理,使所有的锚节点根据与未知节点距离的远近影响校正值的大小。MATLAB实验证明,改进的基于最佳指数值下的加权DV-Hop算法比DV-Hop算法、加权DV-Hop、最佳指数值下DV-Hop算法定位精度分别提高2%左右、1.65%左右、1.15%左右,同时不会增加网络硬件成本。 相似文献
6.
目的 为了探明不同品种鲜食梨间的氨基酸组成特征及其营养价值差异情况。方法 采用氨基酸自动分析仪检测氨基酸的种类及含量,并利用主成分分析构建梨的氨基酸品质评价模型,按照不同品种梨中氨基酸的含量进行聚类热图分析。结果 10种鲜食梨中至少含有17种氨基酸,氨基酸总量为198±14.0~369±17.8 mg/100g,不同品种梨氨基酸种类无差异,但是含量差异较大,其中必须氨基酸、非必须氨基酸、药用氨基酸、支链氨基酸和芳香族氨基酸含量分别为61.7±4.81~110±5.54 mg/100g、135±9.16~273±5.66 mg/100g、129±6.70~255±4.41 mg/100g、54.9±3.21~29.9±1.74 mg/100g和18.7±1.69~6.73±0.70 mg/100g。必须氨基酸/氨基酸总量的百分比、必须氨基酸/非必须氨基酸含量的百分比、氨基酸评分系数分别为19.4%~31.8%、24.1~46.6%、56.9~80.8。利用主成分分析构建了3个主成分,累计贡献率高达89.717%,综合排名前三位的品种为‘茄梨’、‘南果梨’和‘蜂蜜脆梨’;聚类热图将10种鲜食梨划分为3类:高、中、低氨基酸含量组。结论 10种鲜食梨氨基酸组成及营养价值有一定的差异,具有不同潜在的开发应用价值。 相似文献
7.
8.
目的用高效液相色谱法检测苹果果皮中O.P'-DDT、P.P'-DDT、α-六六六、β-六六六的残留量,并评价不同洗涤方式对其影响,为人们科学地洗涤水果提供指导。方法以新鲜苹果果皮为研究样品,根据洗涤方式不同,将样品分为不洗组、常温水洗组、40℃水洗组、洗洁精水洗组。以甲醇作溶剂提取样品中O.P'-DDT、P.P'-DDT、α-六六六、β-六六六,用SymmetryC18、150mm×4.6mm、5μm反相液相色谱柱分离。结果α-六六六的清水洗脱率最高,为83.27%;O.P'-DDT、P.P'-DDT、β-六六六均以洗洁精的洗脱率最高,分别为27.54%、49.50%、68.30%。结论清水浸泡洗涤能有效清除苹果果皮中的α-六六六,洗洁精水浸泡洗涤能有效清除苹果果皮中的O.P'-DDT、P.P'-DDT、β-六六六。 相似文献
9.
10.