iBeacon网络下的区域化双层定位体系

针对许多传统室内大空间定位方法难以同时提高定位实时性和精度的问题,提出一种i Beacon网络下的区域化双层定位体系.该体系由两种优化后的室内定位算法与i Beacon双层定位架构组成.前者通过空间区域化概率匹配算法实现快速区域定位,利用区域内加权质心算法实现高精度区域内定位;后者通过i Beacon识别码对定位节点进行两级划分,利用两级节点的不同组合实现不同的定位层次.该体系通过i Beacon双层定位架构将处于不同定位层次的两种室内定位算法相结合,可同时提升实时性和精度.实验表明,在相近定位精度条件下,所提定位体系的实时性比K最近邻算法、加权K最近邻算法分别提高55.29%和54.18%.定位精度比基于RSSI的四边测距改进加权质心算法提高37.35%.该体系具有高精度和低成本优势,可广泛用于大型建筑室内导航及行人轨迹探测等领域,经济和社会应用价值高.     

基于情境要素和用户偏好的旅行方式推荐

为给用户推荐满意的旅行方式,针对用户旅行构建旅行情境,并基于移动社交软件采集用户行为数据,进而提取情境要素并完成情境构建过程.根据用户出行具有目的性和偏好的特点,将情境要素与用户偏好相结合,利用情境要素组合间的差异性进行实验.实验表明,在不同情境下,不同的情境要素组合与偏好会导致用户选择不一样的旅行方式.实验综合考虑情境组合差异性,从不同情境组合的视角出发,充分展示用户选择单一旅行方式和组合旅行方式在各种旅行客观条件下的占比,并通过用户满意度来证明该文模型可为用户推荐更加契合需求的旅行方案.在不同数据集NDCG@5、NDCG@10和MAP上的T测试结果显示,该文提出的推荐方法性能相比于Pearson相关系数的CF方法和加权slot-one算法具有显著优势.     

ARIMA组合模型在地区降水量预测中的应用

传统的ARIMA模型和马尔科夫模型在降水量预测中具有一定的偏差和不稳定性,为此建立了基于加权马尔科夫链修正的ARIMA组合模型.阐述ARIMA模型,并讨论了加权马尔科夫链修正预测值的方法.在此基础上,构建出基于加权马尔科夫链修正的ARIMA组合模型,将其应用于地区降水量的预测中,并利用相关数据进行实证分析.将组合模型和传统ARIMA模型的预测结果进行对比,结果表明,加权马尔科夫链对ARIMA模型预测结果的修正效果较好,从而说明组合模型的适用性更强.     

风电齿轮箱复合故障诊断方法研究

针对风电齿轮箱的复合故障诊断问题,本文提出了基于改进变分模态的风电齿轮箱复合故障的特征提取方法,并采用改进鲸鱼算法优化的最小二乘支持向量机(DEWOA-LSSVM)故障诊断模型进行故障诊断。通过变分模态方法将收集的信号分解为K个模态分量,通过加权排序熵对其进行量化处理,得到特征向量,将特征向量输入到经过改进鲸鱼算法优化后的最小二乘支持向量机模型完成故障诊断,并通过试验验证该方法的有效性。     

基于第二代曲波的人脸识别算法研究

为了能够提高人脸识别的效果,深入地研究了第二代曲波在人脸识别中的应用.首先,分析了第二代曲波的基本理论.其次,分析了基于第二代曲波变换的加权算法.然后,分析了基于第二代曲波加权的双向二维主成分分析人脸识别算法.最后,进行了算例分析,对ORL和Yale人脸数据库的人脸图像进行了人脸识别仿真实验,实验结果表明改进的算法具有识别率高和识别时间短的优点.     

基于低秩和重加权稀疏表示的红外弱小目标检测算法

红外弱小目标检测技术是红外告警系统中的关键技术之一,但如何精确、快速、鲁棒地进行弱小目标检测依然是个难题。该文提出了基于低秩和重加权稀疏表示的红外弱小目标检测算法,设计了新的优化方程,更精确地描述了背景矩阵的秩,利用结构张量提取红外图像的局部先验信息权重,同时提取目标矩阵的自增强稀疏权重,使模型能够更好地抑制背景中的边缘干扰来提取目标。实验表明：所提算法精度优于现有的经典基线算法,速度超越了一些经典算法。从性能和时间两个方面综合考虑,所提算法有着较好的优越性,对远距离红外弱小目标告警具有积极的意义和良好的应用价值。     

CDMA系统中一种改进的Rake接收机算法研究

为了消除CDMA系统中的多径干扰,提出了一种改进的并行多径干扰抵消Rake接收机算法.首先分析了传统Rake接收机中产生多径干扰和多址干扰的原因,对改进的Rake接收机算法进行了理论分析,得出了其误比特率解析表达式并给出了其简化算法,然后在不同的信道条件下对此算法进行了蒙特卡罗仿真.理论分析和仿真结果表明,提出的算法可以大大改进传统Rake接收机的性能.     

一种实用的神经网络方法在液压泵故障诊断中的应用

针对传统BP神经网络训练中收敛速度较慢的缺点,将一种基于L-M算法的神经网络应用于液压泵故障诊断,并建立了基于该算法的故障诊断模型;论述了液压泵的故障特征频率,研究基于LabVIEW的频率提取与后期神经网络的处理方法.仿真结果表明:该方法和模型显著缩短了训练时间,运用神经网络方法进行液压泵故障诊断是有效的.     

基于组合赋权及TOPSIS的隐写分析算法综合评估

分析了隐写分析技术在不同背景下的应用需求,提出了一种基于组合赋权及逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)的隐写分析算法性能评估方法.该方法包含检测率、虚警率、可靠性、检测误差及算法运行速度等5个指标,先用熵权法确定指标权重,再根据层次分析法进行主观赋权,最后用TOPSIS实现对隐写分析算法的综合评估.实验结果表明,该方法可针对不同的性能指标要求选出最优的隐写分析算法,且对隐写分析算法性能的改进具有指导意义.     

提高空间谱算法分辨率的DOA估计

针对传统MUSIC算法在低信噪比,小快拍数等非理想条件下分辨率下降的问题,提出了改进的基于子空间投影的MUSIC测向算法. 该算法充分利用子空间信息,采用新的特征值校正方法对噪声子空间进行加权,并与加权信号子空间投影进行空间谱合成,得到新的空间谱函数. 搜索函数极大值,就能得到来波方向. 新方法既保
留了噪声子空间算法的高分辨性能,又保留了信号子空间算法的稳定性. 计算机仿真和实测数据表明新方法有效.     

认知无线电中基于Shapley值的自适应加权协作感知算法

认知无线电作为一种先进的技术,它可以通过有效利用未被主用户使用的频谱来提高频谱的利用效率.现有的线性加权协作频谱检测算法在一定程度上提高了频谱检测的性能,然而当单节点频谱检测性能急剧下降时会引起全局检测性能的恶化.基于此,我们提出了一种基于Shapley值的自适应加权的合作频谱检测算法来提高全局检测性能,并在加性高斯信道(AWGN)和瑞利衰落(Rayleigh)信道下对该算法进行了仿真验证.结果表明,该算法比传统检测算法性能提高20%以上,具有很好的应用前景.     

基于AdaBoost.M2-NN的变压器故障诊断

组合分类器的经典算法AdaBoost即自适应Boosting算法是提高预测学习系统预测能力的有效工具.针对传统BP（Back Propagation,BP）神经网络在变压器故障诊断时存在不稳定和网络易陷于极小值等缺点,将AdaBoost扩展算法AdaBoost.M2与BP神经网络结合,形成基于Ada-Boost.M2-NN（AdaBoost.M2Neural Network）的变压器故障诊断模型.利用AdaBoost的集成提升作用,在一定程度上弥补了BP算法的不足.仿真结果表明：该模型不仅能将单个BP神经网络无法识别的样本类别识别出来,而且还能整体上相比BP神经网络和传统三比值法将识别率提高11.5%,说明其具有可行性.     

基于误差加权哈希的图像检索方法

图像检索技术旨在大规模图像库中准确、快速地检索与查询图像相似的图像。基于此,对误差加权哈希Error Weighted Hashing(EWH)快速近似最近邻搜索算法进行分析,并将其与Locality Sensitive Hashing(LSH)局部敏感哈希、Multi-Index Hashing(MIH)多索引哈希进行分析比较,然后基于误差加权哈希(EWH)算法构建图像检索系统,设计分段哈希索引的结构以及该系统所需要实现的功能模块。     

认知无线电加权软合并联合频谱感知算法

为了提高认知无线电的频谱感知性能,提出了对认知无线电用户的检测信息进行加权软合并的联合频谱感知算法. 该算法通过降低对授权用户的干扰和提高认知无线电吞吐量,分别使用最小化干扰加权和最大化吞吐量加权. 算法为信噪比高的用户或者到合作中心信道增益低的用户分配较大的权重,能够提高高信噪比用户的检测信息在合作检测中所占的比例,同时补偿信道衰落对检测信息带来的损失. 仿真表明：该算法的性能比基于信噪比加权或非加权的算法更好,能够降低干扰并提高吞吐量,同时能够降低信道衰落对联合频谱感知性能带来的影响.     

组合加权算术平均算子在物流配送商品销售预测中的应用

提出基于组合加权算术平均算子的组合预测方法,并结合实例对各种预测模型与组合预测模型探讨了不同的组合预测权重确定在实际中的应用,其预测效果高于一般方法。     

深基坑支护方案优选的组合赋权灰色关联分析

为了能够更好地对深基坑支护方案进行评价优选,基于层次分析(指数标度)法、欧氏距离法及灰色关联理论,计算了深基坑不同支护方案的加权关联度,提出了深基坑支护方案优选的组合赋权灰色关联分析法,并结合工程实例进行了应用分析.结果表明:运用组合赋权灰色关联分析法避免了单一方法赋权的片面性,可综合考虑主、客观因素的影响,选择出可行的最优方案,对深基坑支护方案优选具有一定的参考意义.     

基于CEEMD和迁移学习的滚动轴承故障诊断研究

【目的】在实际生产环境中,由于机器特征复杂和工况变化,智能诊断模型在跨机组迁移时需要重复训练,这不仅增加了时间成本,还加大了算力资源的消耗。为了解决这些问题,需要开发出一种能适应复杂机器特征并在不同工况下保持高准确度的轴承故障诊断方法,同时,减少模型迁移时所需的重复训练,以便实现更高效的故障识别和预测。【方法】研究提出基于互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）和迁移学习的滚动轴承故障诊断方法。首先,采用CEEMD法对原始信号进行分解,并计算出对应分量的峭度值。其次,采用多核最大均值差异法对源域数据与目标域数据进行域适应处理。最后,在凯斯西储大学轴承数据集和美国机械故障预防技术学会轴承数据集之间进行迁移故障诊断试验及对比分析。【结果】研究结果表明,与直接迁移模型算法相比,基于CEEMD改进的迁移学习网络在不同数据集上的迁移效果更好,其故障诊断的准确率最高。【结论】经试验验证,研究所提的方法表现出良好的变工况跨机组适配能力,具有较高的故障诊断精度,为研究复杂工况下多机组相似故障诊断场景提供了...     

基于熵值加权组合预测模型的黑龙江省旅游收入预测分析

针对黑龙江省旅游收入预测问题,考虑到单一预测模型往往在预测精度上不高的特点,在引入灰色系统GM(1,1)预测模型及时间序列线性回归模型的基础上,建立了基于3种误差指标信息下的熵值加权组合预测模型,并以黑龙江省2009—2018年的旅游收入数据进行分析.结果表明,所建立的组合预测模型在预测精度上有了较好的改善并优于所选单一预测模型.利用建立的组合预测模型对黑龙江省2019—2022年的旅游收入进行预测,可为黑龙江省未来的旅游业发展规划提供一定的科学依据.     

基于可信性测度的一种模糊综合评价模型研究

针对模糊综合评价方法存在的不足,运用可信性理论的原理,通过将单属性评判的.模糊映射看成一个模糊事件,提出了基于描述该模糊事件发生的可信性测度的单属性可信性评价测度,结合加权算术平均算子,构造了多属性综合可信性评价测度和评价排序模型.     

基于粒子群算法的直觉模糊多目标规划

提出了一种基于粒子群算法的直觉模糊多目标规划.首先利用直觉模糊集与区间模糊集同构的性质分别对目标函数和约束函数的直觉模糊集进行转化,然后利用线性加权的方法处理目标函数和约束函数的优越集,得到一个含有参数的求解模型,并用粒子群算法求解,最后,通过一个算例表明该文的算法的可行性和优越性.