围栏的人类活动识别优化算法

为了有效地检测围栏上的人类活动,对已有的使用神经网络的围栏人类活动识别系统进行了优化,提出多级识别、多节点融合判断等优化算法。多级识别算法通过初级识别排除掉了大量无活动时的背景数据,降低了上传的数据量,提升了下一级的识别准确率;多节点融合算法通过融合地理位置相邻的节点的识别结果,提升了结果的可靠性。基于小型围栏环境的实地数据,通过实验仿真验证了算法的有效性。优化算法的数据传输速率、数据传输总量都远小于基准算法;多节点融合算法去除掉了67.7%的冗余识别结果。

Linux内核动态模块开发分析

Linux内核动态模块(LKM)是Linux用于扩充其功能的重要手段,它允许一些模块动态地加载和卸载,而不需要重新编译内核。结合最新的Linux内核发展情况,不仅分析了模块加载的原理,而且分析了具体的方法和注意事项,同时给出了相应的例子,还提供了相关的Linux常用命令,对相关的开发有指导意义。

基于贪婪与自适应节点选择的目标跟踪算法

为使目标跟踪系统的精度和能量消耗达到最佳平衡,节点选择策略在基于无线传感网络的目标跟踪系统中起着关键的作用。文章将节点选择归类为数学中的背包问题,同时通过预测信息熵及能量消耗,提出一个创新性的目标方程去判定该节点是否需要参与定位。通过自适应调整背包问题中的价值阈值的节点选择策略决定背包问题中的总容量,也就是参与运算的节点数。在计算效率上我们通过贪婪竞争策略减少不合适的候选节点,同时采用遗传算法去解决随后出现的约束性优化问题。仿真结果证明该算法可以提供更高的跟踪精度以及更少的系统能量消耗。