簇内数据相异粒度自适应阈值寻优熵融合算法

在无线传感网络簇内节点数据自适应数据压缩和分布式数据处理过程中,由于信息熵是一种基于信息表现特征的统计形式,通过熵融合可以提高数据汇总量,由于融合的上下限阈值具有不确定性,因此需要进行自适应阈值寻优,实现冗余数据过滤。提出一种基于相异粒度自适应阈值寻优的熵融合算法,对簇内二维信息熵进行最大寻优,进行簇内数据熵融合网络模型的构建,对簇内数据相异粒度自适应阈值寻优,剔除边缘异常数据,采用遗传算法进行数据布局,充分考虑了数据本身特性和网络因素,降低个体对适应度函数的灵敏度,使寻优曲线不断趋于平缓,调整粒子相异粒度之间的速度和位置,得到簇内数据的自适应阈值寻优熵融合结果。实验结果表明,该算法能实现融合阈值的自动寻优,滤除异常数据,搜寻有关信息熵的最大值,在冗余判定、数据传输延迟影响等问题研究中具有较大的应用价值。     

基于运维数据的网络数据流智能监控系统设计

为了提高的动态多核异构网络数据流智能监控和传输控制能力,提出基于运维数据的网络数据流智能监控系统设计方法。构建网络数据流智能传输控制模型,采用传感信息融合采样方法进行网络数据流的运维数据采样,对采集的网络运维数据进行模糊聚类处理,根据不同的分类属性进行网络运维数据的关联特征提取,挖掘网络运维数据的异常图谱信息,采用自适应判决反馈均衡器进行网络数据流的智能信息传输控制和均衡调度,实现对网络数据流智能监控识别,提高网络数据流智能运维管理能力。采用可编程逻辑处理芯片进行网络数据流运维的智能监控系统的处理器设计,设计网络数据流智能监控系统的主控模块、数据收发模块、接收器模块和人机交互模块,在集成ARM环境中进行系统开发设计。仿真结果表明,设计的网络数据流智能监控系统能提高数据传输的均衡性,降低网络输出误码率,提高网络数据传输质量。     

移动终端下施工质量验评数据采集分析仿真

传统施工质量验评数据采集分析仅可在PC端实现,时效性和便携性差,且采集精度低。为此,提出一种新的移动终端下的施工质量验评数据采集方法。移动终端硬件选用单核OMAP3430处理器,结合外围模块,在需求出现变化的情况下,通过插拔外围模块灵活控制移动终端功能的实现。施工质量验评数据采集关键技术通过一元线性回归法将间隔小的几个采样点拟合成一条直线,按照直线斜率对采样频率进行自适应调整。依据NWF模糊综合评价法评价结果,通过贝叶斯法对施工质量验评数据异常点进行识别,也就是将后验概率大的采样点看作异常值,完成对采集施工质量验评数据的分析。实验结果表面,所提方法采集分析结果准确,时效性高。     

概述直连网络中的动态自适应容错路由算法

主要针对计算机直连网络时发生了节点或者链路的故障进行简要分析。在发生上述现象时,系统需要保证能够在拥有一定网络性能的情况之下完成在线的网络重构。根据实际情况概述了直连网络中的动态自适应容错路由算法。通过这种算法,能够极为有效的承受时间以及空间上所出现的任何数量的故障组合,从而使得出现故障的计算机系统能够在极短的时间内就进行自动重构,并且维持良好的计算能力。该算法的应用不会牺牲系统中任何健康节点,仅占用较少的硬件资源。根据直连网络中的动态自适应容错路由算法进行模拟的实际结果来看,该算法能够在系统网络没有故障的情况下丝毫不影响系统的直连网络的性能,其数据结果也可以明显的看出该算法对于系统故障恢复的有效性和实时性较强。     

基于物联网数据融合算法的土壤环境监测系统设计

针对农田土壤环境的数据采集,本文提出了一种改进型的分批估计自适应加权融合算法,算法首先对单个传感节点一段时间内所采集的数据根据容许函数的阈值剔除误差较大的数据,然后对该传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该时刻土壤的环境精确值。实验验证:系统采集到的数据准确可靠,改进算法数据融合易于实现,融合值相对误差值更低,稳健性更好。     

无线传感器网络自适应信标交换算法的NS-2实现

无线传感器网络贪婪地理路由协议在动态环境中,采用自适应信标交换算法来自构建与维护邻居节点表,可以提高数据分组传送成功率,而且还可降低控制开销。本文具体描述了贪婪地理路由协议自适应信标交换算法在NS-2仿真平台的实现过程与部分细节,可以为贪婪地理路由协议的研究以及NS-2的仿真提供有益参考。     

遥感对地CCD成像自适应轮廓线跟踪标记算法

CCD固态图像传感器用于遥感图像采集中,遥感对地探测中进行图像采集的轮廓线特征模糊,需要进行自适应轮廓线跟踪标记,提高图像的分析和识别能力。传统方法采用尺寸配准标定技术,对边缘模糊的遥感CCD成像标记效果不好,出现伪轮廓。提出一种基于Harris角点检测的遥感对地CCD成像自适应轮廓线跟踪标记算法。进行遥感对地CCD成像图像数据模型构建,设计Harris角点检测算法进行CCD遥感成像的边缘轮廓像点拟合,进行边缘轮廓线的亮点分析,提高采样精度,通过遥感成像的运动幅度检测实现对轮廓线跟踪标记。仿真结果表明,算法能有效实现CCD成像轮廓线跟踪标记高精度拟合,能有效剔除边缘干扰,提高对地遥感观测图像的探测精度。     

基于二次判别分析法颜色识别研究

随着图像识别技术的发展,利用医学成像、图像识别和数据处理来分析尿样试纸也是未来的一个发展方向。针对尿样试纸被检测颜色块有效面积小、受光照条件影响严重、直方图匹配可行性差、采样数据有限等不足,提出了基于QDA(Quadratic discriminant analysis)和LDA(Linear discriminant analysis)相结合的判别分析算法。该算法通过对采集的图像直接进行数据采样,可减少颜色空间转换带来的的误差;考虑s RGB颜色空间的相关性和采样数据构成的协方差矩阵的差异做判别分析。通过实验验证,该算法能够有效提升识别效率。     

基于DSP的电机测试系统设计

针对工矿企业电机损坏频繁,维修过后无法准确判断电机性能的问题,本文设计了一款基于DSP芯片TMS320F2812的电机测试系统,并将系统的硬件与软件系统进行了系统地论述。该系统通过高性能A/D转化器,实现了6路电信号的实时同步采集,经过采集模块,调理模块将信号送入DSP芯片,DSP通过快速傅里叶算法对信号进行快速采样,并对采样信号进行数据运算,从而计算出电机的有功、无功功率、功率因数等电机性能参数。通过实验室的多次试验,可以证明该测试系统测量精度较高,可实现数据的实时同步采集,具有一定的使用价值。     

受经验约束的Web故障监测数据自适应重写算法

对Web故障监测异常数据的自适应重写可以实现对Web数据库的极值扰动盲分离,提高Web故障监测数据库的访问能力,进而提高对Web网络故障的诊断性能。提出基于极值扰动的Web异常数据自适应重写算法,引入自适应经验函数,优化粒子群进化搜索能力。选择一定的基函数与故障监测信号进行匹配,为了使粒子群摆脱局部极值,增加了极值扰动算子,进行经验约束函数调控,提高对Web网络故障的诊断性能。仿真实验表明,该算法能有效实现对Web网络故障数据的自适应重写,信号恢复和跟踪效果较好,提高了对Web数据库的访问精度,在Web网络数据库故障检测和数据调度访问等领域具有较好的应用价值。     

基于人体行为影响因子的煤矿安全控制模型

针对目前的煤矿安全评价和预测模型还存在精确性不高的问题。本文基于煤矿安全预测需求和人体行为影响因子,提出了一种基于蚁群离散和自适应BP算法的煤矿安全预测模型,首先采用改进蚁群算法对煤矿安全采集的数据进行数据离散化,并对其解空间初始分布、信息量分布、信息量的遗留和蚁群的移动方向进行优化,然后根据BP网络进行调整,得到最为合适的神经网络模型,最后构建煤矿安全预测模型。结果表明,本文提出的改进模型能很好地对数据进行离散化,并且具有较高的煤矿安全预测精度。     

基于粒子群重采样的网络流量解卷积测度提取

网络并发式流量特征具有信号时间可预测性,通过对网络流量的解卷积测度特征提取,提高对网络流量的预测性能。传统法方法采用粒子群优化算法实现对网络流量的特征测度盲解卷积分析,对原始信号的统计信息提取效果不好。提出一种基于粒子群退化重采样的网络流量解卷积测度提取算法,构建并发式网络流量序列采集模型,设计粒子退化重采样技术,将每个粒子的当前适应度值与其自身的个体最优值进行比较,如果优于个体最优值,得到粒子当前最优位置。仿真实验表明,采用该算法,收敛速度很快,在粒子群进化50代以内就可以实现成功收敛,对流量序列的测度特征提取结果准确,预测精度较高,展示了算法的优越性能。     

基于SMOTE-LOF-Adaboost模型的核心专利识别研究

针对核心专利识别准确率低的问题，重构指标体系；针对传统核心专利识别方法处理不平衡数据效果欠佳，提出重采样技术与集成算法的组合模型。首先，在传统指标构建基础上加入专利发明人相关指标；其次，使用合成少数类过采样算法(SMOTE)增加少数类样本解决数据不平衡问题，采用局部离群因子(LOF)算法对新生成样本进行降噪处理，并与自适应集成算法(Adaboost)组合成SMOTE-LOF-Adaboost模型；最后，以智慧芽专利数据库中2012—2016年共22077条光伏领域专利数据为例，使用SVM、Adaboost、SMOTE-Adaboost、SMOTE-LOFAdaboost进行实证分析。结果显示SMOTE-LOF-Adaboost模型AUC均值0.977 6,Recall均值0.986 0，均优于其他3种模型，表明该模型能够提高核心专利预测的准确性。     

基于RSA和高级数据加密标准的网络数据加密方案

阐述了公开密钥密码技术RSA算法和最新的数据加密标准AES,利用AES算法的效率以及DES算法中密钥产生和管理的方便性等特点。并将两者结合起来,提出了一种新的网络数据加密方案,该网络数据加密方案可以有效地解决数据在网络传输中的保密性等问题。     

带遗忘因子的自适应迭代容积卡尔曼滤波算法

自适应迭代滤波算法作为典型的滤波改进算法,有效提高了滤波精度,但旧数据影响过大,导致滤波发散;遗忘因子滤波算法虽然引进遗忘因子减少了旧数据的影响,但是其滤波算法本身的精度不高,难以处理高度非线性问题。基于此,本文借鉴遗忘因子的滤波算法和自适应迭代无迹卡尔曼滤波算法的思想,把遗忘因子与自适应迭代容积卡尔曼滤波相结合,这样既可以发挥遗忘因子的作用,减小历史数据对滤波结果的影响,又可以提高滤波算法本身精度和处理非线性问题的能力。仿真实验表明,该算法可以有效减小误差且提高滤波精度。     

Ad Hoc网络重采样转移概率模型下激励传播算法

无线多跳Ad Hoc网络的激励传播算法可以优化网络资源负载均衡,提高网络可靠性。传统的激励传播算法采用萤火虫梯度搜索定位协作激励方法,当网络节点分布为随机多跳的异构网络时,激励传播负载均衡存在效率低、准确性不高等问题。提出一种基于萤火虫群优化追踪的重采样转移概率模型下的无线多跳Ad Hoc网络激励传播算法,实现资源负载均衡,设计无线多跳Ad Hoc网络覆盖层次模型,提出萤火虫群优化追踪算法,在无线多跳Ad Hoc网络节点转移概率空间,设计重采样转移概率模型,得到多跳Ad Hoc网络激励传播系统状态估计。仿真结果得到该算法实现无线多跳Ad Hoc网络系统状态估计准确率要明显高于传统算法,估计误差的波动小,在解决蜕化的同时避免了样本贫化,资源负载均衡激励精度提升方面明显优越于其它算法,展示了算法的优越性能。     

大功率干扰监测下无线Mesh网络扰动容错方案

在无线Mesh网络中,常受到大功率动态干扰,MAC层协议扰动容错方案设计是提高Mesh网络抗大功率干扰,提高网络监测性能的关键技术。传统方法采用无线Mesh路由修复算法实现扰动容错方案设计,MAC层协议容错性能不好。提出一种基于自适应神经模糊系统网络动态大功率干扰监测的无线Mesh网络扰动容错方案,进行无线Mesh网络设计,在无线Mesh网络中,任何无线设备节点都可以同时作为AP和路由器,网络中的每个节点都可以发送和接收信号,在Sink对进行数据融合,实现大功率干扰监测数学模型构建。采用自适应神经模糊系统进行Mesh扰动容错方案设计,改进大功率干扰监测下无线Mesh网络扰动容错方案,提高Mesh网络抗大功率干扰能力。仿真实验表明,该方法具有较好的鲁棒性,该容错方案得到的网络生命周期延长了1.24倍和1.39倍,节省了能量,延迟了网络生命周期,保证无线Mesh网络系统的稳定性和高效性。     

基于AES和RSA的网络数据加密方案

为了解决网络传输中数据的安全性,阐述了最新的数据加密标准AES和公开密钥密码技术RSA算法,比较了两者的主要优缺点,并利用AES算法的效率以及DES算法中密钥产生和管理的方便性等特点,将两者结合起来,提出了一种新的网络数据加密方案,该网络数据加密方案可以有效地解决数据在网络传输中的保密性等问题.     

基于互信息特征的网络病毒动态交互约束算法

通过对网络病毒的动态交互约束抑制设计,实现对病毒入侵特征的有效识别。传统方法采用模糊网络入侵状态特征向量分解方法实现病毒约束抑制,当病毒入侵为一种非平稳随机信息矢量时,对其识别性能不好。提出一种基于互信息特征提取的网络病毒动态交互约束算法。构建网络病毒入侵的信号分析模型,并进行数据采集,采用数模转换方法进行病毒数据离散采样转换,采用重采样和机器学习结合方法,进行了链路漏洞检测,填补了Web防火墙的漏洞,采用三次B样条小波进行互信息特征提取的结果是渐近最优的,利用互信息特征作为检测系统的输入,进行病毒数据提纯处理,基于平均互信息特征提取算法实现特征建模和提取,实现病毒动态交互约束。仿真结果表明,该算法能使得病毒数据在时频空间上得到较明显的聚焦,频谱峰值突出,提高了病毒特征有效识别率。     

自适应近邻聚类及其在个性化推荐中的应用

介绍了自适应近邻聚类算法的原理,并对算法中的几个名词进行了解释;分别采用自适应近邻聚类与K-Means聚类对半月形数据集进行了实验演示;将自适应近邻聚类与个性化推荐系统相结合,采用自适应近邻聚类对某高校3个专业65名学生读者的借阅记录数据进行聚类处理,验证了相同专业读者具有相似借阅行为这一规律,进而说明了该算法应用在个性化推荐中有效可行。自适应聚类是一种优秀的聚类算法,在实际数据聚类应用中具有良好的效果。