WSNs中面向定位应用的参考点覆盖性能研究

来源 :计算机应用研究 | 被引量 : 6次 | 上传用户:haiyunnihao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于传感器节点具有传感与通信两个功能,基于传感器网络的定位参考点选择不能仅仅考虑定位性能或网络通信性能,根据不同的传感半径与通信半径选择不同的设置方案成为一个亟待解决的问题。为此,对比分析了三种常见的规则网络拓扑结构的性能,提出了一种参考点设置方法。实验结果表明只有依据通信半径与传感半径的关系设置参考点才能够达到较优的覆盖效果。
其他文献
为实现灰度共生矩阵(GLCM)多尺度、多方向的纹理特征提取,提出了一种结合非下采样轮廓变换(NSCT)和GLCM的纹理特征提取方法。先用NSCT对合成孔径雷达(SAR)图像进行多尺度、多方向分解;再对得到的子带图像使用GLCM提取灰度共生量;然后对提取的灰度共生量进行相关性分析,去除冗余特征量,并将其与灰度特征构成多特征矢量;最后,充分利用支持向量机(SVM)在小样本数据库和泛化能力方面的优势,由
为了利用多处理平台的并行处理能力,提高约束求解中相容检查的效率,提出了一种新的基于集中式存储的全局约束并行相容模型。利用动态分配约束条件的方法解决负载均衡问题;通过对变量域的集中式管理,保证了冲突检测的及时性;利用变量域剪枝单调性的特点,实现了异步相容检查,提高了多节点间相容检查的并行程度。最后,通过实验验证并讨论了模型的优势和适用范围。
针对基于VSM(vector space model)的文本聚类算法忽略了词之间的语义信息和各维度之间的关系,导致文本的相似度计算不够精确,提出了一种基于语义相似度的群智能文本聚类的新方法。该方法融合了模拟退火算法的全局搜索和蚁群算法的正反馈能力。其思路是,首先从语义上分析文本,利用K-均值算法进行文本聚类,再根据K-均值算法的结果,使用蚁群和模拟退火算法进行调整聚类。测试结果表明这种算法能够提高
在利用视觉技术进行药品检测的过程中,药品相互粘连的图像会给后续的特征提取工作带来很大的困难,针对此问题提出了一种基于凹点方向线的粘连图像分割方法。首先依据颜色距离对药品图像进行预分割;然后对不同颜色的预分割图像进行4链码运算,寻找所有的凹点,并对所有的凹点进行标记;最后根据每一个凹点得到方向线,根据方向线进行配对,将配对凹点的连线作为分割线。实验结果表明,该算法具备良好的准确性和通用性。
由于EB(extreme binning)使用文件的最小块签名作为文件的特征,它不适合处理主要包括小文件的数据负载,会导致较差的重复数据删除率。为了改进EB,提出了相似索引。它把相似哈希作为文件的特征,是一种适用于以小文件为主的数据负载的重复数据删除的二级索引。实验结果表明,相似索引的重复数据删除率比EB高24.8%;相似索引的内存使用量仅仅是EB的0.265%。与EB相比,相似索引需要更少的存储
针对粒子群算法易早熟的缺点,提出了一种结合迭代贪婪(IG)算法的混合粒子群算法。算法通过连续几代粒子个体极值和全局极值的变化判断粒子的状态,在发现粒子出现停滞或者粒子群出现早熟后,及时利用IG算法的毁坏操作和构造操作对停滞粒子和全局最优粒子进行变异,变异后利用模拟退火思想概率接收新值。全局最优粒子的改变会引导粒子跳出局部极值的约束,增加粒子的多样性,从而克服粒子群的早熟现象。同时,为了使算法能更快
在对现有的二进制搜索算法、4线树形查询算法及混合查询树算法进行理论分析的基础上,提出了一种基于碰撞位匹配的自适应混合树防碰撞算法。新算法是根据检测标签EPC编码最高碰撞位连续个数的匹配信息,在二叉树和四叉树中进行动态自适应地选择分叉数,引入堆栈和后退策略,使得搜索性能进一步改善。通过对算法的分析和仿真实验结果,新算法有效地减少了识别总次数,缩短了识别时间,大幅提高了搜索效率和吞吐率。
针对组播状态可扩展性问题进行研究,提出了一种改进的聚合组播算法。该算法在动态在线聚合组播算法的基础上,确定匹配时可行的聚合树范围,以减少匹配和计算次数,降低时间复杂度;改进最优匹配聚合树的选择算法,并对网络中聚合树进行定期调整,以优化聚合树结构,去掉不必要的中间节点,提高聚合度,降低节点转发状态。仿真实验表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较高的聚合度和转发状态降低率,在并发组
多选择背包问题是组合优化中的NP难题之一,采用一种新的智能优化算法——人工蜂群算法进行求解。该算法通过雇佣蜂、跟随蜂和侦察蜂的局部寻优来实现全局最优。基于算法实现的核心思想,用MATLAB编程实现,对参考文献的算例进行仿真测试。与其他算法进行了比较,获得了满意的结果。这说明了算法在解决该问题上的可行性与有效性,拓展了人工蜂群算法的应用领域。
了解和控制复杂物流系统的协同性是现代物流企业发展必不可少的步骤。现代物流企业面临着多维度的协同需求,而信息协同是决定复杂物流系统和现代物流企业能否生存和发展的关键因素。以协同学为基础,通过对复杂物流系统多维度协同分析,提取序参量,建立序参量方程,得出复杂物流系统序参量方程讨论解形式,肯定了信息协同对复杂物流系统协同性的决定性作用,为后续研究提供科学依据和研究方向。