基于PSO的信息熵数据融合非均匀分簇路由算法

针对无线传感器网络分簇算法中能量分布不均衡导致的"热区"和簇头负载过重问题,提出了一种基于PSO算法优化簇头选举的非均匀分簇算法。在候选簇头选举和竞争半径计算过程中综合考虑节点动态能量、节点密度和节点距基站距离,将网络进行非均匀分簇,并引入PSO算法进行最终簇头选举。根据节点能量、节点密度和距基站距离确定簇间单跳多跳结合的路由规则,选取代价函数小的节点作为下一跳节点。基于节点信息熵确定融合阈值,进行簇内数据融合剔除冗余数据。仿真结果表明,改进算法的数据传输量比EEUC算法和UCRA算法分别提高了20%和10%,提升了数据的融合效率,有效延长了网络生命周期,簇头能量消耗得到均衡,减少了网络能量消耗,网络的整体性能显著优于其他对比算法。     

A gossip based information fusion protocol for distributed frequent itemset mining

The computational complexity, huge memory space requirement, and time-consuming nature of frequent pattern mining process are the most important motivations for distribution and parallelization of this mining process. On the other hand, the emergence of distributed computational and operational environments, which causes the production and maintenance of data on different distributed data sources, makes the parallelization and distribution of the knowledge discovery process inevitable. In this paper, a gossip based distributed itemset mining (GDIM) algorithm is proposed to extract frequent itemsets, which are special types of frequent patterns, in a wireless sensor network environment. In this algorithm, local frequent itemsets of each sensor are extracted using a bit-wise horizontal approach (LHPM) from the nodes which are clustered using a leach-based protocol. Heads of clusters exploit a gossip based protocol in order to communicate each other to find the patterns which their global support is equal to or more than the specified support threshold. Experimental results show that the proposed algorithm outperforms the best existing gossip based algorithm in term of execution time.     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现，也是一种不曾意识到的瞬时脸部表情,持续时间短，强度弱。为了提高其准确率，提出了基于Radon变换的微表情识别算法。首先，对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法（Two-dimensional Principal Component Analysis，2DPCA）降维预处理，使用光流法对降维后图像提取运动特征；然后使用Radon变换算法对光流图像进行处理，得到对应微表情的特征值和特征图像；最后使用支持向量机进行微表情分类识别。实验结果表明，使用Radon变换后得到的微表情特征图像得到了较好的识别效果，在微表情数据集CASME和CASMEⅡ上识别率分别为81.48%和82.17%，通过与选取的其他方法对比说明了该方法具有更好的识别性能。     

一种利用优先经验回放深度Q-Learning的频谱接入算法

针对认知无线传感器网络中频谱接入算法的频谱利用率不高、重要经验利用率不足、收敛速度慢等问题，提出了一种采用优先经验回放双深度Q-Learning的动态频谱接入算法。该算法的次用户对经验库进行抽样时，采用基于优先级抽样的方式，以打破样本相关性并充分利用重要的经验样本，并采用一种非排序批量删除方式删除经验库的无用经验样本，以降低能量开销。仿真结果表明，该算法与采用双深度Q-Learning的频谱接入算法相比提高了收敛速度；与传统随机频谱接入算法相比，其阻塞概率降低了6%~10%，吞吐量提高了18%~20%，提高了系统的性能。     

多传感器长途客车智能新风系统设计研究

本研究设计了一种结合二氧化碳传感器、PM2.5粉尘传感器、TVOC传感器来实现智能更新长途客车封闭空间内污浊空气的长途客车车载新风系统。本系统由各项传感器实时采集车厢内CO2、PM2.5、TVOC等数据上传至单片机,单片机判断各项数据是否超过设定阈值,若超过设定阈值,新风系统自动工作改变进、排风量;反之,新风系统不工作,实现智能控制。实验证明,本系统具有明显地改善长途客车内空气质量的效果,能够更好地保护人体健康。     

基于Aptina ASX340的倒车影像系统设计与实现

为了避免倒车过程中因视觉盲区可能出现的安全隐患问题[1][2],文章采用飞思卡尔单片机做主机,Aptina图像传感器ASX340[3]做从机,利用ASX340内部的OVERLAY位图叠加系统,设计了一种能够将倒车过程中实时的车辆尾部的影像,距离障碍物的安全距离,倒车轨迹路径等信息提供驾驶员倒车影像系统[9][10]。使用HYRes3_1、Imatest软件[4]测量了影像图像质量的主要因素。测量结果表明成像质量能够满足目前车厂的要求。     

多酶分步水解法提高豌豆纤维纯度的研究

以豌豆粉丝废水分离渣为原料,对豌豆纤维的提取过程进行研究.通过耐高温α-淀粉酶、糖化酶、蛋白酶多酶分步水解的方法,去除豌豆渣中的淀粉和蛋白质.结果表明,耐高温α-淀粉酶添加量1.2％,反应温度为90℃,反应时间为60 min的条件下,豌豆膳食纤维的提取率最高;糖化酶加酶量为4.5％,反应温度为60℃,反应时间为110 min,pH为5.0的条件下,可达到良好的水解效果;蛋白酶的加酶量为1.0％,反应温度为55℃,反应时间为80 min,pH为8.5的条件下,酶解效果最佳.此时豌豆粉丝废水分离渣的膳食纤维含量可达到94％ 以上.     

基于HHT及主成分分析的光缆识别信号特征提取

为了解决当环境噪声较严重时光强难以维持稳定,容易误判目标光缆问题,根据干涉信号非线性、非平稳的时域特征,提出了一种希尔伯特-黄变换及主成分分析相结合的信号处理方法。探测器接收的干涉信号对进行经验模态分解,把分解得到的本征模态分量作为列向量构建主成分分析的样本矩阵,以奇异值的贡献率进行有效成分筛选;然后采用主成分分析算法完成降噪优化。最后将降噪后的信号进行希尔伯特-黄变换得到瞬时特征信号,完成目标光缆识别。结果表明,相同噪声环境下所提方法可有效提高回波干涉信号的信噪比。因此,研究结果可以降低误判目标光缆的概率,帮助工程人员更有效地完成光缆识别。     

日本碳纤维产业发展及现状

本文主要介绍了世界碳纤维的行业格局及日本碳纤维的产业发展,分析了日本碳纤维产业位居世界领先地位的事实,并以东丽、三菱丽阳、东邦三家日本主要碳纤维生产企业为代表,介绍了日本碳纤维技术和产业的发展历程,总结了其发展经验及对我国的借鉴。     

玻璃纤维增强塑料夹砂管初始力学性能检测的研究

由玻璃纤维增强塑料夹砂管的环刚度、刚度等级概念分析了环刚度设计与检测的基本方法,探讨挠曲水平、轴向拉伸强力和环向拉伸强力检测方法,比较分析了各种方法的优缺点与适用范围,对理解及掌握玻璃纤维增强塑料夹砂管初始力学性能的概念及相关检测方法具有一定参考意义。