检索结果-内蒙古大学图书馆

电子学报 2018年第10期46卷 2325-2332页

作者：张德干葛辉刘晓欢张晓丹李文斌天津理工大学天津市智能计算及软件新技术重点实验室天津300384 天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300384 中国科学技术信息研究所北京100038

针对移动物(车)联网的路由问题,通过对车辆的运动特点及造成链路断裂的原因进行的详细分析,我们建立了链路维持时间模型,并将维持时间作为设计路由算法的重要参数. Q-Learning作为一种启发式机器学习策略,能够通过与周围环境交互来动态... 详细信息

针对移动物(车)联网的路由问题,通过对车辆的运动特点及造成链路断裂的原因进行的详细分析,我们建立了链路维持时间模型,并将维持时间作为设计路由算法的重要参数. Q-Learning作为一种启发式机器学习策略,能够通过与周围环境交互来动态地调整路由路径.基于此,我们设计了一种自适应的路由新算法.它将学习任务分散在每一个车辆节点中,通过周期性的与周围节点交换信标信息来维护可靠的路由路径.利用NS-2模拟器对该算法的性能进行了评估,结果表明,在不同的网络场景中,该算法在递交率、端到端的延时以及平均跳数等方面均表现出很好的效果.

关键词：机器学习移动物联网拓扑动态路由

来源：评论

学校读者我要写书评

暂无评论

一种面向物联网动态感知图像的量子遗传传输新方法

引用

天津理工大学学报 2019年第2期35卷 29-36页

作者：张德干颜浩然吴昊张婷赵德新马震天津理工大学计算机科学与工程学院计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384

由于物联网动态感知图像传输的移动性、分布式控制等特点,本文在对现有量子遗传算法(Quantum Genetic Algorithm)的基础上对其进行改进,并结合最优链路状态路由中多点中继技术的特点,提出了一种面向物联网动态感知图像的传输新方法.该... 详细信息

由于物联网动态感知图像传输的移动性、分布式控制等特点,本文在对现有量子遗传算法(Quantum Genetic Algorithm)的基础上对其进行改进,并结合最优链路状态路由中多点中继技术的特点,提出了一种面向物联网动态感知图像的传输新方法.该方法的创新之处在于利用量子基因位对物联网动态感知图像传输中的图像节点进行编码处理,基于启发式规则以及适应度规则选取中继节点路由,通过量子交叉对节点中的基因链进行交叉操作,以到达收敛和全局最优的目的.仿真和应用实验都表明提出的新方法是切实可行的.该方法在物联网动态感知图像的相关应用中有较好的网络传输效果.

关键词：图像传输物联网最优链路状态动态感知

来源：评论

学校读者我要写书评

暂无评论

基于STM32的步进电机多轴速度控制方法研究与实现

引用

计算机测量与控制 2019年第9期27卷 95-99,108页

作者：王昊天于乃功北京工业大学信息学部北京100124 计算智能与智能系统北京重点实验室北京100124 数字社区教育部工程研究中心北京100124

在机器人多轴电机控制过程中,发现带载情况下如果电机起步速度过快会导致电机堵转问题,很需要一种可以实现电机匀加速的精确控制方法;文章借助于STM32F103,通过其I/O口输出矩形波脉冲序列的方式控制步进电机驱动器或伺服驱动器,从而实... 详细信息

在机器人多轴电机控制过程中,发现带载情况下如果电机起步速度过快会导致电机堵转问题,很需要一种可以实现电机匀加速的精确控制方法;文章借助于STM32F103,通过其I/O口输出矩形波脉冲序列的方式控制步进电机驱动器或伺服驱动器,从而实现对步进电机的位置和速度控制;通过修改定时器值实现梯形加减速轨迹,使步进电机运行具有较好加减速性能;另外,由于STM32F103芯片具有高速定时器,可以通过配置定时器输出和插补运算相结合方法,实现对多轴(多个电机)的控制;该方法对于嵌入式步进电机控制器的开发具有很好的参考价值。

关键词：机器人定时器多路脉冲输出梯型加减速算法步进电机控制器

来源：评论

学校读者我要写书评

暂无评论

基于改进粒子群优化BP_Adaboost神经网络的PM_(2.5)浓度预测

引用

大连理工大学学报 2018年第3期58卷 316-323页

作者：李晓理梅建想张山北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 数字社区教育部工程研究中心北京100124

为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值... 详细信息

为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值,可以有效避免神经网络在训练时陷入局部最优解.根据北京市海淀区万柳监测站和朝阳区北京工业大学监测点每小时监测的大气污染物浓度和气象条件,分别选择2014-11-01~2014-11-25和2017-07-07~2017-08-06数据作为实验研究对象.仿真结果表明,在PM_(2.5)浓度预测中,相比于BP_Adaboost、BP和广义回归神经网络3种预测模型,改进粒子群优化BP_Adaboost神经网络预测性能更优.

关键词：灰色关联分析 BP_Adaboost神经网络 PM2.5浓度预测模型改进粒子群算法

来源：评论

学校读者我要写书评

暂无评论

基于改进BIRCH聚类算法的评价对象挖掘

引用

软件 2019年第11期40卷 9-12,61页

作者：王梦遥王晓晔洪睿琪柴晓瑞天津市智能计算及软件新技术重点实验室天津理工大学天津300191 计算机视觉与系统省部共建教育部重点实验室天津理工大学天津300191

本文对于意见挖掘领域中的评价对象的修剪和聚类问题,提出使用K-means聚类算法和BIRCH聚类算法相结合的方式来进行评价对象的修剪和聚类。利用BIRCH算法类别聚类的功能对评价对象进行聚类,并删除包含较少数据的簇来实现修剪评价对象;再... 详细信息

本文对于意见挖掘领域中的评价对象的修剪和聚类问题,提出使用K-means聚类算法和BIRCH聚类算法相结合的方式来进行评价对象的修剪和聚类。利用BIRCH算法类别聚类的功能对评价对象进行聚类,并删除包含较少数据的簇来实现修剪评价对象;再通过对于剩下的簇使用K-means聚类算法来获得最优评价对象。这种修剪聚类方法与以往的基于PMI算法修剪然后基于K-means聚类算法相比,减少了评价对象修剪时对语料库的依赖,最终聚类的结果更加精准,而且BIRCH算法采用一次扫描数据库的策略,可以有效提高速度。

关键词：名词词组模式 BIRCH聚类算法 K-means聚类算法 PMI算法

来源：评论

学校读者我要写书评

暂无评论

一种基于机器学习的运动目标阴影检测新方法

引用

光电子．激光 2018年第12期29卷 1317-1324页

作者：张德干陈晨董悦张婷潘兆华天津理工大学计算机科学与工程学院计算机视觉与系统教育部重点实验室天津理工大学计算机科学与工程学院智能计算及软件新技术天津市重点实验室天津300384

运动目标检测是物联网智能视频监控中的一个重要环节。通过对各种阴影检测方法的研究,我们发现仅仅通过一种特征进行处理并不能准确的检测出阴影。因此,本文提出了一种基于机器学习的运动目标阴影检测新方法。该方法深度融合颜色信息、... 详细信息

运动目标检测是物联网智能视频监控中的一个重要环节。通过对各种阴影检测方法的研究,我们发现仅仅通过一种特征进行处理并不能准确的检测出阴影。因此,本文提出了一种基于机器学习的运动目标阴影检测新方法。该方法深度融合颜色信息、光学不变性以及纹理特征等因素,通过机器学习,自适应地进行目标阴影检测,在综合分析三种信息检测结果的基础上,实现对阴影的有效确定。该算法能够有效地结合各种方法的优势,在物联网应用中取得了较好的效果和运行效率。

关键词：物联网机器学习智能视频监控运动目标阴影检测

来源：评论

学校读者我要写书评

暂无评论

一种基于改进型深度学习的非线性建模方法

引用

信息与控制 2018年第6期47卷 680-686页

作者：王盈旭韩红桂郭民北京工业大学信息学部自动化学院北京100124 计算智能与智能系统北京市重点实验室北京100124 数字社区教育部工程研究中心北京100124

围绕非线性系统的建模问题,提出了一种基于改进型深度学习的非线性建模方法.首先,设计了基于高斯径向基函数的深度信念网络训练模型;其次,利用对比分歧算法对径向基函数的权值、中心和宽度进行调整,并利用反向传播对网络连接权值进行优... 详细信息

围绕非线性系统的建模问题,提出了一种基于改进型深度学习的非线性建模方法.首先,设计了基于高斯径向基函数的深度信念网络训练模型;其次,利用对比分歧算法对径向基函数的权值、中心和宽度进行调整,并利用反向传播对网络连接权值进行优化;最后,将获得的改进型深度学习方法应用于非线性系统建模.实验结果验证了该算法的有效性和可行性.

关键词：深度学习非线性建模径向基函数深度信念网络

来源：评论

学校读者我要写书评

暂无评论

基于模糊-比例控制的除磷加药自动控制方法研究

基于模糊-比例控制的除磷加药自动控制方法研究

引用

第30届中国过程控制会议（CPCC 2019）

作者：张会清李泽锋北京工业大学信息学部数字社区教育部工程研究中心计算智能与智能系统北京市重点实验室

针对污水处理厂在除磷加药过程中采用手动定频方式投加除磷药剂时药耗较高的问题,研究自动控制系统进行化学药剂的按需投加。控制器主要由模糊控制和比例控制组成。在控制过程中,模糊控制以生物池进水流量、二沉池进水总磷浓度两个主要... 详细信息

针对污水处理厂在除磷加药过程中采用手动定频方式投加除磷药剂时药耗较高的问题,研究自动控制系统进行化学药剂的按需投加。控制器主要由模糊控制和比例控制组成。在控制过程中,模糊控制以生物池进水流量、二沉池进水总磷浓度两个主要影响变量作为输入量,在模糊规则的作用下输出加药泵主加药频率。比例控制以二沉池出水总磷浓度为输入,输出加药泵加药频率补偿量。通过在线模拟运行验证,该控制系统能够根据药耗需求量自动调整加药频率,从而节省化学除磷药剂。

关键词：污水处理除磷加药模糊控制比例控制

来源：评论

学校读者我要写书评

暂无评论

基于互补集合经验模态分解与支持向量回归的PM_(2.5)质量浓度预测

引用

北京工业大学学报 2018年第12期44卷 1494-1502页

作者：李建更罗奥荣李晓理北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 数字社区教育部工程研究中心北京100124

针对大气PM_(2.5)质量浓度的非线性和非平稳性的特点,为了提高PM_(2.5)质量浓度的预测精度,采用"分解与整合"的预测方法,建立了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)和支持... 详细信息

针对大气PM_(2.5)质量浓度的非线性和非平稳性的特点,为了提高PM_(2.5)质量浓度的预测精度,采用"分解与整合"的预测方法,建立了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)和支持向量回归(support vector regression,SVR)的混合预测模型(CEEMD-SVR).该模型首先采用CEEMD对PM_(2.5)质量浓度的原始时间序列进行分解,得到若干具有不同时间尺度的相对平稳分量;然后采用SVR算法对各个分量分别进行预测;最后求出各个分量的预测值之和,作为原始PM_(2.5)质量浓度的预测结果.选取北京市海淀区万柳监测站点2014年3月1日—2015年4月30日的PM_(2.5)日均质量浓度以及北京市怀柔监测站点2014年5月1日—2015年4月30日的PM_(2.5)日均质量浓度作为实验样本集.研究结果与EEMD-SVR、EMD-SVR和单一SVR模型进行对比,表明CEEMD-SVR模型有效提高了PM_(2.5)质量浓度的预测精度.

关键词： PM2.5 非线性分解与整合互补集合经验模态分解(CEEMD) 支持向量回归(SVR) 混合预测模型

来源：评论

学校读者我要写书评

暂无评论

污水处理出水BOD区间预测建模

引用

哈尔滨工业大学学报 2018年第2期50卷 71-76页

作者：柴伟纪镐南北京工业大学信息学部自动化学院北京100124 计算智能与智能系统北京市重点实验室(北京工业大学) 北京100124 数字社区教育部工程研究中心(北京工业大学) 北京100124

生化需氧量(BOD)是评价水质的重要指标,也是污水处理过程中直接控制的参数.为了提高污水处理质量,需要寻找BOD的有效测量方法.本文给出一种新的BOD软测量方法,可以实现其保证估计.采用主元分析方法选取BOD预测的主要辅助变量.利用径向... 详细信息

生化需氧量(BOD)是评价水质的重要指标,也是污水处理过程中直接控制的参数.为了提高污水处理质量,需要寻找BOD的有效测量方法.本文给出一种新的BOD软测量方法,可以实现其保证估计.采用主元分析方法选取BOD预测的主要辅助变量.利用径向基函数神经网络的逼近能力,将其用于污水处理出水BOD软测量建模.径向基函数神经网络的中心被确定之后,考虑到建模误差有界,使用参数线性集员辨识算法得到网络输出权值的集合描述.在污水处理系统运行过程中,所建立好的软测量模型可以预测出水BOD的上下界.此外,建立多个软测量模型,并将多模型测量结果进行融合以降低单一模型所给结果的保守性.实验结果表明本文方法的有效性.

关键词：软测量污水处理径向基函数神经网络集员辨识区间预测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：