基于博弈论的无线传感器网络能耗均衡

传输环境的异构特性使得无线传感器网络某些节点电源过早耗尽,为解决无线传感器网络中的多个节点间的能耗均衡问题,考虑到了节点能耗异构性,通过设计效用函数并设置系统参数,并建立起基于任务调度的完全信息静态博弈模型,获取每个节点的最优发送概率.通过在异构的环境中的大量仿真测试,结果表明:与传统的两种算法相比较,博弈算法被证明能有效地均衡网络节点的能耗,并延长网络的工作寿命.     

基于特征语谱图和自适应聚类SOM的快速说话人识别

为获得说话人发音特征,基于仿生思想,提出一种基于语谱图统计的方法,通过对说话人短时语谱图的线性叠加获得可表征说话人稳定发音特征的特征语谱图。为解决资源受限的设备中说话人识别系统网络训练速度慢、识别效率低的问题,基于传统自组织映射(self-organizing feature map,SOM)神经网络提出了一种自适应聚类SOM (adaptive clustering-SOM,ACSOM)算法,随着待识别说话人数的增加,自动调节增加竞争层神经元个数,直至聚类数达到说话人个数。采用该AC-SOM模型对100人的自建特征语谱图样本库进行聚类识别,最大训练时间只需304 s,最大单张识别时间小于28 ms;在识别人数相同时,相对于所对比的其他识别方法,该方法大大提升了网络训练速度和识别速度,满足了边缘智能(edge intelligence)系统中对数据处理与执行的实时性的要求。     

基于互信息的特征子集选择

通过互信息的思想提出一个新的评价函数来评价属性之间的相关性,并结合LV算法进行特征子集选择.结果表明,该方法对分类问题效果明显.