基于EM-PLS的加权朴素贝叶斯分类算法

朴素贝叶斯算法是一种简单而高效的分类算法,但是它的条件独立性假设和数据完备性要求,影响了其分类性能;在此提出了一种基于EM算法和偏最小二乘的加权朴素贝叶斯分类算法,实验结果验证了该算法的有效性.     

考虑融合多传感器误差项优化方法的定位技术研究

为了实现移动机器人的精确自主定位,根据不同传感器的测量原理定义了视觉误差和惯性测量单元误差项,采用基于图优化的思想构建一个最小二乘问题的位姿估计器数学模型,并把多种传感器的误差项添加到估计器中,使用优化工具求解出最优的位姿,实现多传感器的融合定位。通过在仿真实验平台上运行公共数据集,实验结果表明单传感器的定位方案因为尺度模糊和累计漂移的问题在绝对位姿误差平均值达到7.942 m,而融合多传感器的定位方案的绝对位姿误差平均值为0.234 m,说明融合多传感器的定位方案比单传感器定位方案在定位上更加准确和鲁棒。     

用加权最小二乘无网格法求解抛物方程

加权最小二乘无网格法是一种新的高效无网格法,鉴于传统数值方法求解动态问题网格限制的缺陷,将传统差分法和加权最小二乘无网格法结合构造差分一加权最小二乘无网格方法,应用于求解一维与时间相关的线性抛物方程;该方法在空间域上的离散彻底摆脱了网格的束缚,算例表明：该方法计算量较小,并能够保证较高的精度．     

基于小波变换的最佳融合算法

本文研究了小波域融合模型，为实现图像的最大融合，用最小二乘原理得到了与图像有关的置乱变换，提高了算法的融合度.将融合因子与置乱操作所用矩阵及迭代次数作为密钥，增加算法的安全性.实验证明该算法使图像的融合因子得到较大提高，增强了隐藏图像的抗攻击能力，可广泛应用于电子图像产品和数字图书馆的版权保护.     

一种基于最优融合的数字水印算法

从信息融合的角度提出了一种用有约束的线性最小二乘进行加权融合的数字水印技术．实验结果表明这种融合对各种攻击具有较强的鲁棒性．     

基于加权余弦相似度的WiFi指纹室内定位

基于Wi Fi的室内定位具有低成本、易部署、覆盖范围广、精度高等优点,成为室内定位技术研究的热点.Wi Fi指纹定位法可以对抗多径的影响,具有较高的定位精度.但是由于智能移动终端的种类繁多,使得室内定位系统离线建立的指纹数据库难以兼容不同的智能移动设备,降低了定位系统的适用性.为解决此问题,提出了加权余弦相似度算法,使用信号强度的加权余弦相似度作为匹配特征.实测表明,采用加权余弦相似度算法可有效解决终端差异性,提高了室内定位系统的精度和普适性.     

移动最小二乘增量式多视点云数据融合算法

在散乱数据点移动最小二乘曲面拟合的基础上,提出了一种增量式多视点云数据融合算法.将算法中多视点云数据作为对同一物体表面二维流形的一次采样,采样数据中包含匹配误差、冗余和畸变,把多视点云数据融合问题转换为由包含误差的散乱数据点恢复二维流形的过程.对每一幅当前处理的点云,寻找当前点云与已增量式融合的点云数据的重叠部分,在重叠部分数据集上构造移动最小二乘曲面,将重叠部分的每一个在移动最小二乘曲面上的对应点合并到当前已增量式融合的点云数据集中,从而实现了增量式多视点云数据的融合.实验证明,该算法是一种有效的多视点云数据融合算法,并且可从较大匹配误差、噪声、畸变的多视点云数据中获得较好的融合效果.     

加权最小二乘估计中选择权数的迭代算法

介绍了加权最小二乘估计的性质及其常见权数选择的方法,并给出评判一个好的二乘估计的标准,由此提出选择权数的迭代算法.     

无线传感器网络中传感器节点定位的递归加权最小二乘优化方法

采用最小二乘优化算法,研究了基于接收信号强度测量的信号源定位问题.首先,建立了路径损耗的线性化模型;然后,介绍了加权最小二乘法,并提出了无线传感器网络中传感器节点定位的递归加权最小二乘优化方法.最后将本文提出的迭代加权最小二乘法与基于接收信号强度(RSS)的2种算法进行比较,仿真结果表明提出的算法在定位精度方面有更好的表现.     

基于加权最小二乘的ARMAX系统的自适应控制

利用加权最小二乘为开环不稳定和非最小相位的ARMAX系统设计了一个适应镇定控制器,而且控制器设计不需任何外来激励信号。     

一种加权融合的乳腺图像增强方法

在分析人眼对图像亮度感知的基础上,针对乳腺X线片提供信息的不足,提出了一种既能改善乳腺图像边缘曝光过度,又能增强乳腺组织及钙化点的新方法．该方法首先分别采用直方图均衡化和增强高通滤波方法进行图像增强,然后再对增强后的结果进行加权融合,融合增强后的图像保持了良好的视觉效果．     

基于接收信号强度指示加权融合的定位算法

基于接收信号强度指示的无线传感器网络定位问题,提出一种改进Kalman滤波方法,消除测距过程中的非视距误差,得到标签与节点间的估计距离.然后,分析标签与节点的距离、定位单元质量和标签所处的位置三方面对定位精度的影响,提出一种改进三边定位算法,并根据滤波后的估计距离计算得到的多个定位坐标进行加权融合.最后,通过Matlab仿真验证所提算法的有效性.     

基于内容和协同过滤加权融合的音乐推荐算法

随着互联网的普及以及音乐库的高速更新换代,用户对音乐的需求变得越来越大,传统的推荐算法已经无法满足用户及时准确地寻找到所喜欢的音乐.因此,针对传统音乐推荐算法的不足,通过对协同过滤推荐算法的分析,提出基于内容和协同过滤加权融合的音乐推荐算法.与传统推荐算法及部分相关推荐算法比较,加权融合推荐算法计算出的推荐结果可以更高效快速地将用户感兴趣的音乐推荐出来.     

基于区域变换的人脸融合改进算法

针对人脸融合过程中出现的侧面图像无法正常融合及肤色融合的问题,利用TP-GAN神经网络源图像人脸的倾角对目标图像人脸进行变换和生成,保证源与目标图像人脸倾角的一致性,同时在生成过程中引入对抗损失与对称损失统一性保留的损失组合,保证生成人脸图像的身份判别稳定.选取了Multi-Pie人脸数据集进行实验,实验表明:加入TP-GAN网络后,相对于传统的人脸融合算法在人脸多角度融合问题方面得到了有效的提高,解决了目标人脸图像为侧面图时无法完美融合的问题.     

分布式传感器网络中基于数据融合的目标定位算法研究

利用分布式传感器网络以及数据融合方法来提高探测系统的检测与定位精度正在成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。算法采用两级自适应调整得到最优加权因子。首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真。仿真结果表明,相比单节点定位,融合算法的定位精度有约一到两个数量级的提高。     

基于证据理论加权融合的无线传感器网络路由算法

针对当前无线传感器网络路由算法存在数据传输成功率低、 网络时延长和丢包率高等缺陷, 为获得更优的数据传输结果, 提出一种基于证据理论加权融合 的无线传感器网络路由算法. 首先引入聚类分析算法对无线传感器网络进行分簇, 使簇首的分布更均匀, 解决簇首过于集中、 簇成员节点分配不合理的问题; 然后采用证据理论计算剩余能量、 节点间通信距离、通信能耗的权值, 并根据权值对每个节点的性能进行综合评价, 根据综合评价结果选择每个簇最合理的簇首; 最后与其他无线传感器网络路由算法进行对比测试. 测试结果表明, 相对于对比算法, 该算法数据时延均值和丢包率均大幅度减少, 改善了数据传输成功率, 使节点之间的能耗更均衡, 延长了无线传感器网络的生存周期, 建立的无线传感器网络路由可靠性更高.     

基于证据理论加权融合的无线传感器网络路由算法

针对当前无线传感器网络路由算法存在数据传输成功率低、 网络时延长和丢包率高等缺陷, 为获得更优的数据传输结果, 提出一种基于证据理论加权融合 的无线传感器网络路由算法. 首先引入聚类分析算法对无线传感器网络进行分簇, 使簇首的分布更均匀, 解决簇首过于集中、 簇成员节点分配不合理的问题; 然后采用证据理论计算剩余能量、 节点间通信距离、通信能耗的权值, 并根据权值对每个节点的性能进行综合评价, 根据综合评价结果选择每个簇最合理的簇首; 最后与其他无线传感器网络路由算法进行对比测试. 测试结果表明, 相对于对比算法, 该算法数据时延均值和丢包率均大幅度减少, 改善了数据传输成功率, 使节点之间的能耗更均衡, 延长了无线传感器网络的生存周期, 建立的无线传感器网络路由可靠性更高.     

基于误码率的模糊加权无线网络公平调度算法

针对无线网络中实现多连接时的公平性调度问题,提出了一种基于信道误码率的模糊规则自校正的加权公平调度算法.该算法通过对链路误码率的定期测量,利用模糊算法对信道的当前状态进行推理判断,从而使各链路的调度权值跟随信道的状态自适应地调整.算法中还引入模糊规则自校正算法,以使其具有自寻优能力.仿真结果表明,所提算法能有效地改善系统的吞吐量及带宽分配的公平性,当信道误码率较高时,系统平均吞吐量比传统加权轮询调度算法提高14倍,而公平性系数仍达到0.8以上.     

一种改进的加权质心定位算法

针对无线传感器网络质心定位算法精度不高的问题,提出了一种利用信号强度比值的加权质心定位算法(RR-WCL).系统中的信标节点周期性地发送自身信息,未知节点在收到信标节点的信息之后只记录同一个信标节点的信号强度均值,在收到超过阈值的信标信息后,建立信标节点集合、信号强度集合和信标节点位置集合,最后将未知节点接收到的信标节点信号强度的比值作为加权因子进行定位.仿真和真实系统实验结果表明,RR-WCL算法在不同环境下表现稳定,随着信标节点数目的增加,与质心算法相比,其定位精度可提高6.4%～37.25%,与加权质心算法相比,其定位精度可提高5.12%～11.23%.