一种解多QoS约束组播问题的改进蚁群算法

多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法,但存在收敛速度慢等缺陷. 基于这种情况提出了一种改进的蚁群算法,该算法采用基于组成员节点驱动的方式构造组播树,并在概率转移函数中添加了方向因子,使蚂蚁在寻找路径时摆脱了最初的盲目性,以更大的概率快速向源节点靠近. 仿真实验证明,改进蚁群算法的收敛速度明显提高.     

基于网页分块的Shark-Search算法

Shark-Search算法是一个经典的主题爬取算法. 针对该算法在爬取噪音链接较多的Web页面时性能并不理想的问题, 提出了基于网页分块的Shark-Search算法, 该算法从页面、块、链接的多种粒度来更加有效的进行链接的选择与过滤. 实验证明, 改进的Shark-Search算法比传统的Shark-Search算法在查准率和信息量总和上有了质的提高.     

布谷鸟算法优化BP网络的电力负荷预测

针对BP神经网络容易出现过拟合和陷入局部最优现象导致电力负荷预测准确性不高的问题,建立了在不同日期和气温等影响因素下的布谷鸟算法(CS)优化BP神经网络的电力负荷预测模型.训练BP网络确定基本结构,运用布谷鸟算法搜寻最优解替换为BP网络的最优参数,结合安徽某地区的电力负荷数据进行仿真分析,可以得出布谷鸟算法优化后的预测模型相比于单一的BP神经网络准确性得到提高,证明了所建立的CS-BP模型具有良好的预测性能.     

基于LoRa组网技术的矿井顶板监测系统设计

为了解决矿井顶板监测方法通信距离短、定位不精确等问题,设计了一种基于LoRa组网技术的矿井顶板监测系统。首先,根据井下巷道结构,设计了星型组网结构。其次,搭建了监测系统整体框架,并对数据采集模块进行软硬件设计。最后,进行系统定位及鸡群优化(CSO)算法优化设计,先把相邻两个传感器节点间的区域等距离划分,再按照接收附近传感器节点的接收信号强度值(RSSI),对该区域标记等级,并利用未知的节点接收的RSSI确定其所属等级区域,在该等级区域内根据CSO算法利用迭代寻优进一步确定其精确位置。经实验证明,该系统运行稳定,定位精确,无线传输距离半径不低于300m,可以对矿井顶板进行大范围监测。     

基于改进GA-PSO算法的需求响应式运输研究

用标准的交叉粒子群算法(GA-PSO)求解多个车场有目的地的开放式需求响应式车辆调度问题容易过早陷入局部最优,为解决算法缺点,进一步提高算法求解精度,通过增加基因突变和路径合并更新因子,提出改进GA-PSO算法.通过对需求响应调度问题的描述,建立数学模型,构建改进GA-PSO算法求解流程.利用随机数据生成实验算例,采用...     

基于势场导向的对数蚁群算法的移动机器人路径规划

针对蚁群算法存在收敛速度慢,易陷入局部最优的问题,提出了一种将人工势场和对数蚁群算法相融合的新算法.该算法是在蚁群算法的基础上,将势场的影响因素引入到蚁群算法的状态转移概率函数和启发函数中,并通过对数函数模型对蚁群算法的信息素更新策略进行改进,使得路径算法搜索不再具有盲目性,并加快算法的收敛速度.为了验证改进算法的有效...     

递归算法在面向内容音乐信息近似检索中的应用

针对现有面向内容音乐信息近似检索算法的弊端,结合递归算法的特点,设计了一种基于递归的面向内容的音乐信息近似检索算法.为配合该算法,设计了相应的基于R-tree树的音乐信息索引结构方案.经理论分析及与实验结果对比,可以看出以递归来设计音乐信息近似检索算法,可得到较佳的检索效率.     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题,提出一种基于大津算法和深度学习的阈值计算方法.首先,采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征;其次,通过Gauss混合模型计算特征的相似度值,对特征的相似度值使用大津算法计算阈值.实验结果表明,该方法识别效果较理想,与等错误率计算阈值...     

基于ICP算法的苹果采摘机器人手眼标定方法

苹果采摘机器人手眼协同作业过程中手眼关系的精度是影响机器人作业效率和作业精度的关键因素之一.针对传统手眼标定方法求解精度低、线性化求解时解耦精度丢失和非线性求解时累积误差较大等问题,提出一种基于ICP算法的手眼标定方法.以Tsai〖CD*2〗Lenz法的求解结果作为ICP匹配算法初值,通过确定ICP匹配算法中误差阈值和迭代次数最优组合得到精确的手眼转换关系.试验结果表明,本文方法避免了求解时精度丢失和误差积累等问题,与Tsai〖CD*2〗Lenz算法相比,旋转精度提高了13.6%,平移精度提高12.47%.     

有限人参与下的排爆机器人半自主抓取

提出了一种新的排爆机器人半自主爆炸物抓取方法.该方法包括机械臂、爆炸物和障碍环境的建模、C空间地图和路径规划.排爆机器人SUPER-PLUS在有限人参与下,利用手腕装载的激光测距传感器,扫描爆炸物周围的障碍环境,规划出一条无碰轨迹,实现爆炸物自主抓取.实验结果表明,该方法极大地提高了排爆操作的安全性和效率.