一种无线传感器网络节点的设计与实现

分析了无线传感器网络节点的需求,阐述了无线传感器网络节点的体系结构.在此基础上采用符合802.15.4协议的ATmega128L主控和CC2420射频传输的设计模式,以模块为单位进行设计,分为处理器模块、无线通信模块、传感器模块、能量供应模块四部分,最后整体实现了该设计.通过对比本文设计节点与Micaz节点的数据包随距离变化的接收率测试结果和温度传感器数据采集测试结果,证明该设计取得了良好的效果,为无线传感器网络进一步的深入研究提供了一个性能较好的硬件平台.     

基于聚类的新型多目标分布估计算法及其应用

为改善常见的多目标分布估计算法在求解多目标优化问题的过程中存在的不足,即:对问题的规则特性考虑不够,对种群中异常解的处理不当,种群多样性容易丢失,过多的计算开销用于构建最优概率模型,提出一种基于聚类的新型多目标分布估计算法(clustering based multi objective estimation of distribution algorithm, CEDA)。CEDA在每一代运用凝聚层次聚类算法发掘种群个体的邻近结构,基于此结构,为每个个体构建一个多元高斯模型逼近种群结构并抽样产生新个体。为了降低建模计算开销,邻近个体共享相同的协方差矩阵建立高斯模型。基于标准测试题的对比实验表明CEDA能够解决复杂的多目标优化问题。基于齿轮减速器优化设计的实际应用表明CEDA同样具有良好的实用性和优越性。     

隆尧鸡腿葱中3种水溶性维生素含量分析

采用高效液相色谱检测鸡腿葱中3种水溶性维生素(VC,VB1,VB2)的含量.以甲醇-0.05 mol/L磷酸二氢钾(pH=6.0)为流动相,进样体积20μL,柱温35℃,流速1.0 mL/min,检测波长270 nm.该方法对3种水溶性维生素的检出限均为0.05 mg/L.在其线性范围内,r达到0.999 0以上.变异系数为0.96％～1.65％,回收率测定结果为85.48％～102.40％.本方法具有准确、成本低等优点,可以用于隆尧鸡腿葱和莱芜鸡腿葱中3种水溶性维生素含量测定.测定结果显示,隆尧鸡腿葱中VC和VB2含量明显高于莱芜鸡腿葱,且有统计学差异,这将为今后隆尧鸡腿葱的开发利用提供技术支持.     

宝鸡地区气氡与模拟水氡观测数据对比分析

【目的】研究水氡与气氡测项之间关联性及异同。【方法】以宝鸡上王流体台与陇县流体台2015—2020年水氡与气氡连续观测资料为研究对象,分析同台站不同测项、同测项不同台站正常数据资料及异常曲线对比。【结果】结果表明,溶解水氡与气氡无明显的关系。在中强震前,台站地震监测数据无明显前兆异常现象。水氡受人为影响较大,而气氡受集气脱气装置管路堵塞影响较大。上王流体台与陇县流体台溶解水氡年变化趋势上都是典型的夏高冬低形态。而上王BG2015R型气氡仪记录到的气氡年变形态则表现为夏低冬高形态,陇县SD-3A气氡仪记录到的气氡年变形态不是很明显。【结论】目前还无法用一个有效的物理量建立溶解水氡与气氡之间的关系,溶解水氡与气氡无明显的关系。     

白花2号极早熟扁豆

白花2号扁豆（梅豆）于2000年初引入我地,3月中旬营养钵育苗,4月中旬移栽大田,6月上旬第一次采摘上市,以后每隔10天左右收摘一次,截止9月28日（以后留作种用）,亩产鲜扁豆角2210kg,创经济效益6262元。该品种耐高温性极强,三伏天仍可正常生长采收,比常规农家品种提早上市100天左右。一、育苗移栽 3月中旬采取营养钵育苗,一钵一籽,双膜覆盖。4月中旬高台垅、宽窄行移栽大田,并采取地膜加小拱棚双膜覆盖。二、栽种密度 整地打埂,埂距140cm,一埂双行,一穴一株,宽行100cm,窄行40cm,株距50cm,每666．7m2（亩）1900株左右。三、…     

面向服务等级的网络流多任务分类方法

在网络流分类实践中，网络运营商通常只需要知道网络流所需的服务类别(class of service，CoS)，就可对网络流优先级和资源分配做出决定。为了满足用户对体验质量的需求，提出了面向服务等级的网络流多任务分类方法。该方法是直接进行面向CoS的流分类，而不需要推断应用类型。同时提出多任务框架，利用领域知识定义宏特征组及应用合作博弈中的Shapley Value模型来合理分析特征，并用决策树分箱来解决CoS阈值划分问题。采用真实网络数据集进行实验，通过在少量标记数据的情况下，优化网络参数和调整各网络模型时间损耗和分类准确性的稳定相关系数。结果表明，该方法分类准确度(提高了12.66%)和时间消耗(减少了39.23%)性能优于现有文献方法，同时分析了多分类实验结果并给出有关建议。     

基于机器视觉的婴儿全身运动质量智能评估

针对婴儿全身运动质量评估问题，本文基于姿势识别对婴儿运动特征进行提取与分析，提出基于ResNet和反卷积层的婴儿姿势热力图识别模型，平均识别率达到86.9%；利用婴儿的二维姿势坐标，建立基于DenseNet的3D人体姿势识别模型，使用1D卷积网络及1D连接层，实现婴儿的2D姿势坐标到3D姿势坐标的升维推算；使用四元数作为空间向量表示方式，对婴儿主要肢体运动的角度、角速度、角加速度进行提取，并提出基于SVM的由婴儿肢体运动角度特征进行判定的婴儿异常行为识别模型。针对模型参数过多的问题，在保证模型整体识别率的情况下，使用主成分分析的方式对模型进行特征降维，提高整体识别速度，将维度由18维度降低至8维度后，整体运行时间减少近50%，且对于不同的视频样品均能正确分类。