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.     

一种用于模型验证的Web应用模型抽取方法

以模型验证为目标,提出一种Web应用FSM(finite state machines)模型的抽取方法. 该方法将模型抽取划分为链接提取、模型构造和结果显示. 通过建立标签库和对标签的定位,并结合正则表达式的方法,对Web应用进行逆向分析,从源代码开始进行链接及相关信息的提取、规整和存储. 对Web应用中的页面、链接等建模元素进行分析,应用映射与聚合等抽象技术对获得的信息进行重构,得到适用于验证的Web 应用的FSM模型.     

基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位

为解决无线传感器网络中单一跟踪算法和测量技术不能获得运动目标高精度定位的问题,提出了一种将跟踪算法同时与不同测量技术相结合的混合式跟踪定位技术.通过对基于扩展卡尔曼滤波跟踪算法的分析,将基于UWB测量技术得到的距离测量值和基于ZigBee测量技术得到的接收信号强度测量值相融合,结合扩展卡尔曼滤波跟踪算法,得到一种对室内运动目标的混合式跟踪定位方法.实验表明,该混合定位方法能有效提高运动目标的定位精度.     

基于概率回归模型和K-最近邻的电子商务个性化推荐方案

针对电子商务中个性化推荐问题,提出一种基于概率回归模型和K-最近邻的电子商务个性化推荐方案.实验结果表明,该方案能够准确为客户推荐所需的商品.     

一种理论和经验模型相结合的RSSI定位算法

针对道路监控、管道传输、线路传输等应用领域,采用理论模型和经验模型相结合的方法,提出了基于RSSI数值进行一维连续定位的算法.该方法与RADAR和1-DEMRSI方法相比,在计算处理工作量稍有增加的情况下,提高了定位精度,同时,利用该方法可以大幅度减少参考测试点数量.     

普适计算环境下基于信任的动态模糊访问控制模型研究

普适计算已经成为一种主流的计算模型,其安全性也成为研究重点.传统的访问控制无法解决普适环境中访问主客体不相关与信任度动态调整的问题.本文结合模糊集合理论,提出了一种基于信任度的动态模糊访问控制模型,将用户信任度划分为原始信任度与动态信任度两部分,并给出了用户信任度的基于区间值的加权模糊推理方法,让访问控制过程更加适合普适计算环境.     

面向增强现实协同式车间布局的三维注册算法

提出了一种基于磁跟踪装置的自适应区域基准的三维注册算法并应用于增强现实车间布局中.该算法的基本思路是把磁跟踪发射器的半球空间划分为N个区域,每个区域都有相应的基准,当磁接受器到达每个区域时,自动地利用该区域的基准来注册定位.为验证所提出的算法,开发了一种网络环境下支持多用户协同设计的车间布局原型系统.系统运行及误差分析结果表明,此方法相对于直接使用跟踪装置的注册算法而言,精度及鲁棒性均有所提高,能较好的满足大环境下车间布局的精度和广度的要求.     

基于模糊支持向量机的多标签分类方法改进

One-against-all支持向量机的多标签分类存在将样本分类到训练集无法获取标签的"未定义"区域和没有明确决策函数的标签模糊区域的问题。对此提出一种基于模糊支持向量机的多标签分类改进方法(FSVMi)。该方法通过将多条决策边界合并,并为每个标签类分配相应的隶属函数。实验结果表明,相比于现有方法,该方法更具有优越性。     

一种采用边界检测的自适应区域分解时域有限差分方法

提出了一种采用边界检测的自适应区域分解时域有限差分(FDTD)方法:将待解问题分解为若干独立的子区域;在各个子区域之间通过连接边界条件,进行自适应检测;当检测到波传播至检测边界上时,相应子区域被激活,并进行传统的FDTD迭代计算,否则,该子区域将不参与场值迭代.通过这样一种边界检测信息传递方案,把各个子区域联系起来,获得原问题的解.实际仿真结果表明,这种方法在解决复杂问题和加快计算时间方面是有效的.     

一种基于Agent的事务处理分配策略

事务处理作为移动数据库的关键技术之一,是保证信息一致性和可靠性的基础.本文采用基于区域处理的查询处理模式的思想,对整个网络资源进行了划分,在分配策略上考虑到网络的具体情况对最近邻查找法进行了改进,使操作尽量本地化,提高了事务处理的效率.     

Cholesky分解在协方差矩阵恢复中的使用

针对基于稀疏扩展信息滤波的同步定位与地图创建(simultaneous localization and mapping,SLAM)问题,分析并比较了最近邻数据关联、极大似然数据关联以及联合相容性检验数据关联的原理,阐述了边缘协方差矩阵恢复的必要性.在此基础上提出一种利用Cholesky分解由信息矩阵准确恢复协方差任意元素的方法,该方法具有较高的计算效率.在仿真实验中将该方法与协方差边界估计法比较,并分别用于3种数据关联算法的比较分析,表明所提出的方法适用于多种数据关联方法,能在保证定位精度的同时有效控制算法复杂度.最后对各种数据关联算法在稀疏扩展信息滤波SLAM中的性能进行了讨论.     

改进的对数衰减动态非视距定位

在一般对数衰减模型中衰减因子是一个常量,但在实际应用中会引起较大的测距定位误差. 为了减少定位估计误差,在对Zigbee 组网定位实验数据进行统计分析的基础上,提出用负指数函数来描述衰减因子与距离（目标节点与锚节点间距）之间的关系,进而建立一种改进对数衰减模型;给出一个基于改进对数衰减模型的ML 估计器,并推导了该估计器的Cramer-Rao下界(Cramer-Row lower bound, CRLB). 在实验室和车站站场的Zigbee 组网定位实验结果表明,使用改进对数衰减模型的ML 估计器能提供更准确的定位估计,对场景变化有较好的适应性.     

基于RBFNN和回馈递推的新型多旋翼飞行器控制

研究了新型多旋翼飞行器的建模与轨迹跟踪控制. 建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略. 首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令. 采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器. 该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量. 仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.     

基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

空间分布视角下济源示范区全域旅游优化研究

借助超图地图(SuperMap)软件,采用最邻近距离模式和基尼(Gini)系数等研究方法,对济源示范区11个旅游景区的空间分布态势进行测定.发现济源示范区旅游景区总体空间结构呈均匀分布、区域内空间结构呈集中分布且集中度较高;临近景区之间资源属性单一,旅游景区空间布局不合理.提出区域统筹规划,对景区的空间布局进行优化;提...     

利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题,提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中,根据节点对的邻域信息,利用朴素贝叶斯模型计算其连接概率;在辅助层中,计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

自动图像拼接中的一种特征提取和匹配方法

在比较目前特征提取和匹配的几种方法比较的基础上,提出了一种基于改进特征提取和匹配的拼接方法,使得图像拼接的质量和速度得到提高。该算法首先利用改进的尺度不变特征变换（scale invariant feature transform,SIFT）特征提取方法获得图像特征点,其次利用近似最近邻匹配进行特征匹配并引入随机抽样一致性（random sample consensus,RANSAC）算法去除误匹配对,最后根据匹配的特征点对得到图像间的变换参数进行拼接和融合。该算法具有很强的鲁棒性,允许图像有缩放变换、旋转变换,不受图像噪声、色差的影响。经实验证明,该方法可实现高质量快速的拼接系统。     

一种基于2DPCA训练的形状先验提取方法

面向噪声图像分割问题提出了一种基于二维主成分分析(two-dimensional principal component analysis,2DPCA)训练的形状先验提取方法. 首先对无噪声形状进行训练,得到一组标准正交投影方向并张成2DPCA空间. 将噪声图像投影到该空间,并在张成的空间中应用最小二乘法找到跟该投影点距离最近的点. 该点的原象未必是原来的训练形状,而可能是它们的线性组合. 最后在原来的空间中找到该原象,重构出先验形状.实验结果表明利用所得形状先验对含噪声以及含遮挡和缺失内容的图像分割具有明显效果.     

一种面向不确定标签样本的K-近邻高效决策算法

基于案例的决策是一种直接依据过去的历史案例对当前案例进行分类或者指标预测的方法，K-近邻方法就是一种广泛应用的基于案例的决策模型。在K-近邻方法中，历史案例上需要有标签，而在现实应用中，标签本身有一定的不确定性.文章详细地讨论了现有的基于K-近邻的决策方法忽略了样本标签不确定性这一问题，并基于Dempster-Shafer证据理论对标签不确定性进行建模以改善预测的性能，在此基础上结合边界树模型提高模型的运行效率.文中介绍了边界树算法的作用与原理，对如何结合传统边界树算法与样本标签的不确定性对边界树算法的节点转移策略以及决策过程进行了优化.文章最后对边界树算法的计算规模与准确率做了详细的实验论证.结果表明，文中提出的方法一方面考虑了标签的不确定性，另一方面提高了传统的K-近邻模型的决策效率.