基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m     

无线传感器网络RSSI测距方法与精度分析

基于RSSI的测距技术是一项低成本的距离测量技术。分析了接收信号强度指示器(RSSI)多种 测距模型,结 合采用IEEE802.15.4协议的CC2430芯片,设计了测距实验,获取了多组数据,通过对实验数 据的分析,提出结合信标节点确定参数、高斯拟合确定测量值的RSSI测距处理方法。实验证 明,该方法能提高RSSI测距的抗干扰能力,20 m内节点间的测距精度能达到15 m 以下。     

一种结合RSSI假设检验的防丢算法

随着外出活动交流的日益增多,人们对防丢的需求越来越大。低功耗蓝牙(BLE)的信号强度指示(RSSI)方法以其低功耗、低成本等优点,成为引人注目的备选方案。然而,蓝牙RSSI信号也存在不确定性、易受干扰等特点,为实际应用带来了挑战。鉴于此,提出了一种结合RSSI假设检验的防丢算法。首先,通过采集并分析大量RSSI序列样本发现,几乎所有的RSSI样本均符合正态分布;随后对动态采集的RSSI序列进行假设检验判别;紧接着,结合与之相应的状态机来动态判定蓝牙主机与从机的相对位置关系,并根据对应的位置关系确定是否安全。实验及评估结果表明,该算法能取得良好的防丢效果。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据，10月30日～11月12日的10个数据为测试数据，利用BP神经网络对期货价格建立预测模型，并用遗传算法进行修正，从而实现对大豆期货交易价格的预测分析。结果表明，改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型，并对期货价格走势有良好的预测效果，可给期货市场的投资者提供投资建议。此外，利用改进后的模型可对期货市场操纵现象进行预警，对监管者具有一定参考价值。     

我国股市波动率区制转换特性描述与成因分析——基于MS(2)-GJR-GARCH

考虑到单一区制的GARCH族模型存在无法捕捉数据的结构性突变的缺陷,文章构建MS(2)-GJR-GARCH模型对上证指数与深圳指数的日收益率进行了拟合,采用MCMC方法以避免参数估计中存在的路径依赖问题。模型拟合结果说明:①上证指数与深圳指数均存在显著的区制转换特征;②在样本期内,低波动率区制占有较长时间;③波动率易受外部事件的影响。     

基于BP神经网络的新建支线机场货邮量综合预测

新建支线机场的货邮量预测对合理规划其航空物流体系具有重要意义。首先分析了支线机场货邮量的影响因素,然后用因子分析法对BP神经网络输入层进行影响因素(指标)进行约简,以减少BP人工神经网络的复杂度,在此基础建立了拟合模型对新建支线机场历史航空货邮量进行拟合,最后建立BP三层神经网络模型对新建机场航空货邮量量进行预测。以江苏省淮安市新建支线机场以例进行实证研究,结果表明该模型有较高精度。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

用神经网络组合预测算卫生总费

利用BP神经网络组合能够较好地模拟在各种不确定因素影响下因果变量之间的内在关系。建立了基于人工神经网络的卫生总费用预测模型,该模型的网络结构由输入层(1个节点)、隐层(7个节点)和输出层(1个节点)组成。采用改进的BP算法对7组学习样本进行训练,得到各节点间的连接权和阈值,然后用优化好的网络进行卫生总费用预测。预测结果表明,利用该方法建立的模型预测误差在1%以内,十分精确。     

基于组合模型的金融机构存款余额预测研究——以河南省为例

金融机构存款余额反映地区经济活力和要素吸附能力。研究利用差分自回归移动平均模型(ARIMA)在时间序列预测上的线性优势和长短期记忆神经网络模型(LSTM)对非线性数据的挖掘能力,对河南省金融机构的月度存款余额进行了预测。首先,利用ARIMA模型对2010—2020年的存款数据建立模型,得出线性预测值与残差值;然后,采用LSTM神经网络对存款余额残差数据集建模和预测,得出存款余额残差值的拟合值;最后,将线性预测值和残差拟合值组合得出存款余额的预测值。实证结果表明,ARIMALSTM模型能较好地实现河南省金融机构存款余额的预测。     

防恶意干扰的VANET双群联合定位算法

传统的无线定位方法直接应用于车辆自组织网络(VANET)时，会被窃听方利用定位信息，从而导致严重的安全隐患。为此，提出基于Bancroft方法的双群组合定位算法,用于保障车辆自组织网络中车辆定位的安全性和准确性。算法利用两个群组的智能车辆节点分别进行定位，利用两组解分别反求伪距值，如果所获得的伪距值与经过节点钟差修正后的原始伪距值基本一致，则认为这一组解为最终的定位结果，从而保证了定位的正确性。同时，双群定位的信息分散性保证了系统整体的安全性。理论分析及算法仿真表明,双群联合定位算法可使窃听方的误码率稳定在较高水平。     

一种基于神经网络提取旋波材料参数的新方法

提出了一种从测试的S参数中提取旋波材料参数的新方法——神经网络法。针对旋波材料参数的自由空间测试方法，本文采用BP神经网络来构建映射模型，利用不同算法对网络进行训练，从而获得所需的网络。结果表明，该方法计算速度快、精度高，解决了求解非线性方程组解的模糊性问题，确保了测试结果的可靠性。该方法所构建的网络可用于材料测试后旋波材料参数的快速提取。     

使用深度学习的社交物联网信任预测模型

社交物联网是社交网络概念在物联网中整合后兴起的一个蓬勃发展的研究领域。提出了一种适用于社交物联网网络的改进型节点级信任模型,并通过与其他信任模型的对比仿真实验证明在恶意节点的攻击下,提出的模型拥有更好的稳定性和适用性,总体波动较小。同时,针对实际社交物联网网络中新加入网络的陌生节点可能遇到的网络延迟影响信任值评估的问题,在改进型节点级信任模型的基础上进一步使用了深度学习模型对其进行信任值预测。仿真证明,使用深度学习预测后模型的系统性能明显优于不使用深度学习的模型,成功交互率提升约1.8%。     

复杂轨迹合成孔径雷达后向投影算法图像流GPU成像

相对于基于傅里叶变换的频域成像算法,后向投影(BP)算法因采用时域逐点相干积累,更适合于复杂轨迹合成孔径雷达(SAR)高精度成像。但BP算法计算量巨大,限制了其应用于SAR大场景大数据量快速成像。图形处理器(GPU)具有强大浮点运算和并行处理能力,为大场景BP算法快速成像实现提供了途径。结合GPU并行处理,提出了一种基于图像流的复杂运动SAR大场景BP快速成像处理方法。该方法借助BP算法中图像像素点相互独立处理的特性,采用图像像素点并行及图像流程处理,设计了孔径与图像缓存调度方案,提高SAR大场景大数据BP算法成像效率。仿真和机载实测数据结果验证了方法的有效性,在有限GPU显存条件下实现了8 192×8 192大场景快速成像,并且成像加速比相对于传统CPU单线程处理可达300倍以上。     

空间滞后随机前沿模型估计研究

和传统随机前沿模型相比,空间滞后随机前沿模型遇到的问题是应该采用何种方法估计模型？由于空间滞后效应的存在,无法直接采用传统随机前沿模型的修正普通最小二乘法;另一方面,虽然可以采用极大似然法估计模型,但是会遇到计算上的困难。文章构建了针对半正态空间滞后随机前沿模型的修正估计方法,该方法首先采用两阶段最小二乘法估计空间滞后模型,然后通过考虑随机前沿效应对相关参数进行修正。蒙特卡罗模拟的结果表明,文章建议的估计方法有良好的有限样本性质。     

基于改进BP网络的城市可持续发展水平模糊综合评价

在建立城市可持续发展水平评价指标体系的基础上,提出了一种基于改进BP网络的城市可持续发展水平模糊综合评价方法,该方法不仅可以模拟专家对城市的可持续发展水平进行综合评价,而且有效地改进了人为评价方面的失误,为城市的可持续发展水平评价提供了一种新的评价模型。     

改进BP神经网络在企业网络营销绩效评价中的应用

在研究网络营销本质及其绩效特征的基础上,建立企业网络营销绩效评价指标体系并采用BP神经网络建立评价模型。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢的缺点,通过采用LM算法和学习速率的自适应调整来建立新型的BP神经网络,利用模糊综合评价法生成训练样本。该评价模型有效地利用了BP神经网络的优点,避免了评价过程的人为失误。仿真试验表明,该模型取得了较好的效果。