基于超图理论的无线传感器网络安全路由算法

针对无线传感器网络路由安全问题,在考虑无线传感器网络自身特点的基础上,采用超图理论进行建模,提出了一种层次型安全路由算法(SRAHT).使用密码学的相关技术保证了数据的完整性、新鲜性、保密性以及认证性,采用多径路由技术提高了网络的容忍入侵能力;同时引入信用机制,对传感器网络中的恶意节点进行检测,有效地提高了网络的安全性能.理论分析和仿真结果表明,相对于INSENS算法,当网络规模较大时,SRAHT的组网能耗比INSENS减少50%以上,适用于规模较大的传感器网络中,具有较好的安全性与抗攻击性.

基于最小生成超树的无线传感器网络路由算法研究

设计能量有效的路由协议以延长网络生存周期,提供健壮可靠的网络服务成为资源有限无线传感器网络研究的核心问题.研究并采用超图理论,将大规模,高连通度的无线传感器网络拓扑抽象为超图模型,从而有效减少网络控制消息.并基于超图模型提出同步无线传感器网络最小生成超树路由算法,以建立数据汇聚的最小能耗树.随后理论证明MSHT-SN算法的正确性和有效性.通过仿真,基于超图模型的MSHT-SN算法较优于基于最短路树策略路由算法,其能够有效的提高数据传输成功率,并节省网络总能耗,延长网络生存周期.

一种高效流立方体结构

流立方体是一种通过H-tree结构实现的,通过H-cubing算法计算每个立方单元格的立方体结构。由于H-tree中的子节点是无序的,H-cubing算法的局限性导致其不能有效地进行数据流的查询和在线分析以及等高级操作。针对这一问题,提出一种新的基于ANH-tree的流立方体实现方法,该方法在H-tree的基础上,使用平衡二叉树索引无序节点并在相关节点直接建立链接来加快节点访问速度和立方单元格的计算速度,并在此基础上给出了与新结构对应的创建和查询算法,实验表明ANH-tree结构在CPU时间和内存空间等方面的性能远远优于H-tree。

基于高光谱数据的橡胶树叶片氮素含量估算模型研究

分别采用光谱指数法和偏最小二乘法(PLS)构建了橡胶树叶片氮素含量高光谱估算模型。结果表明,光谱指数模型中,基于NDSI(R1025,R736)建立的二次多项式模型最佳,调整R2达到0.792。基于不同Savitzky-Golay(SG)平滑模式预处理结果建立的PLS模型,估算精度差异明显,最优的SG平滑模式为零阶导数、53点平滑点数、二次多项式。利用测试集对光谱指数模型和PLS模型进行验证,结果显示,均方根误差RMSE分别为1.772和1.432 g/kg,相对分析误差RPD分别为2.598和3.215,平均相对误差ARE分别为5.189%和4.057%,PLS模型具有较高的估算精度。

基于超椭球模型的故障树区间分析方法

针对传统故障树分析方法无法有效处理非精确失效概率的问题,提出了一种新的故障树区间分析方法。利用证据理论,由似真函数和信任函数获得底事件发生的区间概率。基于不确定变量的超椭球描述,构造了故障树区间算子,将底事件发生概率的不确定性传递到顶事件,并设计了求解条件极值的Monte-Carlo仿真算法,从而对故障树进行区间分析。该方法适用于统计数据缺乏或者难以得到实验数据的情况。理论分析和仿真实例表明,本方法合理可行,较好地反映了工程实际情况。

品种和割龄对橡胶树叶片氮含量高光谱估算的影响

【目的】本文研究了品种和割龄对橡胶树叶片氮含量高光谱估算的影响。【方法】基于不同品种和割龄类型的橡胶树叶片样本,采用Savitzky-Golay(SG)平滑方法和偏最小二乘法(PLS)构建了橡胶树叶片氮素含量高光谱估算模型。【结果】不同品种和割龄组合下模型的预测精度从优到劣依次为:既分品种又分割龄,只分割龄不分品种,只分品种不分割龄,不分品种和割龄。【结论】品种和割龄均会影响模型精度,尤其是割龄,不同的割龄分类方法预测结果差异较大,且割龄划分并非越细越好,将橡胶树割龄分为未开割、小于10割龄和10割龄以上3种类型时预测效果最佳。

橡胶树叶片钾素含量高光谱估算模型研究

【目的】文章尝试建立橡胶树叶片钾素含量高光谱估算模型。【方法】基于涵盖2个品种和6个割龄的橡胶树叶片钾素含量和光谱反射率,分别采用偏最小二乘法(PLS)和偏最小二乘-支持向量机(PLS-SVM)构建了橡胶树叶片钾素含量高光谱估算模型。采用多元散射校正(MSC)、标准正态变换(SNV)、SG平滑(SG)、一阶导数(FD)和二阶导数(SD)等预处理方法或方法组合对叶片原始光谱反射率进行预处理,通过筛选得到最佳预处理模式为SNV+SG+FD的组合方法,其中,SG平滑点数为7,多项式次数为1或2。【结果】利用验证集对PLS模型和PLS-SVM模型进行验证,结果显示,决定系数R^2分别为0.843和0.868,均方根误差RMSE分别为1.331和1.162 g/kg,相对分析误差RPD分别为2.414和2.764。【结论】2种模型均具有良好的估算效果,PLS-SVM模型具有更高的估算精度。

吉林蛟河主要树种叶片光谱分类

运用实验室测量的阔叶红松林的叶片光谱数据,对吉林蛟河实验区的主要树种（红松、白桦、白牛槭、春榆、裂叶榆、蒙古栎、青楷槭、色木槭和紫椴等）的叶片进行分类研究。结果表明：实验室测量叶片光谱数据,针阔树种分类精度达到100%;所有树种分类精度为80%~100%。运用波段响应函数分别模拟多光谱传感器GEOEYE-1、RAPIDEYE和WORDVIEW2的光谱,可以有效区分针阔树种,分类精度为71.6%~100.0%;所有树种分类精度为47.3%~74.0%。

基于支持向量机的肝纤维化CT图像分类

基于统计学习理论中结构风险最小化原则的支持向量机是易于小样本的机器学习方法。本文使用支持向量机和二叉树的方法对肝纤维化CT图像进行分类,并与k近邻法和BP神经网络等其它算法进行比较,结果显示对于肝纤维化图像,支持向量机的分类效果和鲁棒性要高于其他两种算法。

基于冠层高光谱信息的苹果树花量估测

【目的】研究基于盛花期冠层高光谱数据的苹果花量估测技术,为植株花果管理和生产力预测技术的建立奠定基础。【方法】以5年生M9无性系砧木‘米奇嘎啦’苹果(Malus pumila‘Mitch Gala’)、树形为高纺锤形的植株为试材,在盛花期采集植株冠层可见-近红外高光谱图像,人工统计供试植株花量,比对分析基于原始光谱反射率(original reflectance spectra,OS)与Savitzky-Golay平滑法(savitzky-golay smoothing,SG)、正态变量标准化(standardization of normal variables,SNV)、标准化(Normalize)、一阶求导(first derivation,lst Der)、二阶求导(second derivation,2nd Der)共5种预处理的高光谱数据的偏最小二乘法(partial least squares method,PLS)模型,以及基于载荷系数法(x-loading weight,x-LW)提取的特征波长的PLS模型、人工神经网络(the back-propagation neural network,BPNN)、最小二乘支持向量机(the least squares support vector machines,LS-SVM)等模型对单株单位面积花量实时估测精度的影响。【结果】苹果树单株花量与单株单位面积花量具有较高的相关系数,表明采用冠层单位面积花量替代单株总花量进行树体花量估测可行。单株单位面积花量与植株冠层光谱反射率在紫外-可见光波长(308—700 nm)呈极显著正相关,在近红外波长(750—1 000 nm)相关性不显著。基于全波长,以Normalize预处理光谱建立的PLS模型对单株单位面积花量的预测效果最好,校正集决定系数(R_c^2)和预测集决定系数(R_p^2)分别为0.794和0.804,校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别为0.084、0.062,预测相对误差(RE%)为3.940。基于特征波长的BPNN模型稳定性差,而LS-SVM模型的建模效果较好,R_c^2和R_p^2分别为0.826和0.804,RMSEC和RMSEP分别为0.077、0.064,RE%为12.160。【结论】基于Normalize预处理的PLS模型对高纺锤形苹果树冠层单位面积花量的预测效果最优,同时,本研究利用高光谱成像仪获取的数据,经过分析处理对提取特征信息进行简化,可为多光谱遥感数据的应用提供依据。

基于最大树聚类的多超球体一类分类算法及其应用研究

提出了一种基于最大树聚类的多超球体一类分类算法。首先应用最大树聚类算法将训练样本聚为多个子类,再对各子类分别进行一类支持向量机(one-class SVM,OC-SVM)分类器训练,得到由各子类对应的超球体形成的多超球体一类分类模型。分别将该方法应用于仿真数据、UCI标准数据集以及转子故障诊断三个实例中,结果表明了该方法的有效性。

樟树幼林叶绿素含量的高光谱遥感估算模型

高光谱遥感的快速发展使得定量估算植被叶绿素含量成为可能.采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的冠层光谱,并对观测叶片进行同步叶绿素含量的测定;采用统计相关分析法,分析樟树冠层光谱与叶绿素含量之间的相关关系,并建立相应的估算模型.结果表明:樟树幼林叶绿素含量的敏感波段位于400、556、621 nm;通过建立各敏感段与叶绿素含量之间的估算模型并进行精度检验,得出了叶绿素含量估算的高光谱模型分别为y=exp(1.191+1458.912x)和y=3.29×exp(1458.912x).说明利用高光谱遥感数据可以估测樟树幼林的叶绿素含量.

基于HBF神经网络的自适应观测器

传统的RBF(Radial Basis Function)神经元基函数通常把高斯类型与单一宽度作为每个神经元的激活函数,这些特性限制了网络神经元的性能,特别是在处理复杂的非线性建模问题上.为了克服这个限制,本文应用了具有类似RBF网络,但激活函数不同-超基函数HBF(Hyper Basis Function)的网络.结合RBF网络,分析了HBF网络的结构、基函数形式及基函数对网络的影响,利用决策树算法计算了网络中心.在此基础上,提出了一种基于HBF神经网络的自适应观测器设计方法,并通过引入Lyapunov函数,证明了这种观测器设计方法的稳定性;最后通过仿真验证了这种HBF神经网络观测器能很好地观测系统的状态值.

橡胶树叶片镁素含量高光谱估算

镁素与橡胶树生长和产胶密切相关,快速、准确测定橡胶树叶片镁素含量,对橡胶树叶片镁素营养状况评价和实施配方施肥具有重要意义。本研究采集多区域、多品种、多割龄的橡胶树成熟鲜叶,旨在获得涵盖缺、正常、丰富等不同镁素含量等级的叶片样品,利用FieldSpec4和化学方法同步获取叶片样品的光谱反射率和镁含量数据,对光谱反射率进行噪声波段去除和重采样后,采用Kennard-Stone(KS)算法将样本集划分为校正集和验证集。对叶片光谱反射率进行Savitzky-Golay(SG)微分变换,基于全波段的不同变换模式下的微分光谱与镁含量数据,采用偏最小二乘法(PLS)及留一交叉验证方法建模,通过筛选,得到最佳微分变换模式为:微分阶数为2,滤波窗口大小为71,多项式次数为2或3。通过PLS回归系数特征波长优选得到23个最佳微分光谱特征变量,基于最佳微分光谱特征变量和镁含量数据,采用PLS方法建立了橡胶树叶片镁素含量高光谱估算模型。结果表明,相比原始光谱反射率,基于微分光谱特征变量构建的模型预测效果明显提升,R2从0.666提升到0.805,RMSE从0.475 g/kg减小到0.372 g/kg,RPD从1.739提升到2.217。SG微分光谱变换和PLS回归系数特征波长优选能够明显提升模型估算精度,RPD位于2.0~2.5之间,模型估算能力良好。

中国法规全文检索系统的开发

本文论述了法规全文检索系统设计思想、系统的特点、主要功能和实现的方法 ,介绍了系统提供的包括自由文本检索、逻辑组合检索、程序检索在内的多种手段和方式 ,以及 B+树索引文件结构 .并进一步分析了采用超文本检索、多 B树结构、汉语词的切分和自动标引等可行方法 .

完美匹配树的hyper-Wiener指标

讨论了连通图的hyper-Wiener指标的一些性质,验证了树的hyper-Wiener指标的性质,得到了具有最小hyper-Wiener指标的n阶完美匹配树.

结合双树复小波变换和改进密度峰值快速搜索聚类的乳腺MR图像分割

针对乳腺MR图像组织复杂、灰度不均匀、难分割的特点,本文提出双树复小波(DTCWT)变换结合密度聚类的图像分割方法.首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理;进而通过简单线性迭代聚类(SLIC)算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类(KNN-DPC)算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类.仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割.

基于超平面的多变量决策树算法的研究

如何在测试节点里构造一个恰当的分割超平面是构造决策树的关键,与单变量决策树不同,多变量(倾斜)决策树可以找到与特征轴不垂直的超平面。本文将从几何学角度说明构造测试节点的过程,提出了一种两阶段决策树的算法。

基于超椭球模型的飞机液压刹车系统故障树分析

采用基于超椭球模型的故障树分析方法来解决飞机液压刹车系统故障树中底事件故障率概率统计信息不充足的问题,并对该系统进行可靠性评估。根据液压刹车系统原理和故障机理建立系统故障树,引入超椭球模型来描述底事件不确定性,推导了系统顶事件失效概率以及各底事件重要度基于双层蒙特卡洛法的仿真流程,并与区间模型下故障树分析进行对比。结果表明:超椭球模型下的故障树分析只需要底事件失效概率取值范围,而不要求精确的概率统计信息,且相对于区间模型,其结果更加精细,更加符合工程实际。同时通过底事件重要性测度分析可以确定关键失效事件,为刹车系统改设计及重点维护提供指导。

基于熵的二叉树多类支持向量机的漏洞分类

为了有效提高漏洞分类的准确性,针对基于二叉树多类支持向量机分类算法的分类复杂性和分类结果依赖二叉树的结构等缺点,提出了一种基于熵的二叉树多类支持向量机的漏洞分类算法。根据定义最小超球体进行漏洞样本空间的分类,有效地通过熵的计算来描述漏洞之间的混杂程度,使得漏洞分类的计算过程被简化且能够有效减少分类结果对二叉树结构的依赖。采用公共漏洞枚举(CWE)漏洞分类体系在收集到的3000个漏洞样本上进行大量仿真实验,漏洞分类的平均准确率和平均召回率达93.3%和93.25%,高于基于二叉树多类支持向量机分类算法和K-近邻(KNN)分类算法得到的平均值。实验结果表明所提算法有效可行,能精确地实现漏洞的分类。