WSNs中一种新颖的模糊识别定位技术研究

针对WSNs中定位技术存在的不足,提出了一种新颖的基于模糊识别的定位模型.在该模型中,定位空间被一些样本点划分为若干个相同的小区域,每一个样本点唯一地对应一个信号向量,通过计算未知点对应的信号向量与各个样本点对应向量的贴近度可以最终地确定未知点的坐标.该定位模型采用射频信号进行定位,不但避免了现有模型的误差叠加,提高了定位精度,而且避免了高计算复杂度与多参考点需求.基于NS-2的仿真结果表明该定位模型在具有较高的性能与较强的实用性.

LM-BP算法在金融股指预测中的参数设定

针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题。为了避免网络陷入局部最小点和提高网络的收敛速度,算法采用改进后的LM-BP,并与其他BP算法进行比较。以最具代表性的上证指数为例,仿真实验表明了经过对筛选后的样本学习,并对所建的预测模型进行训练后,该LM-BP算法能够对有短期上证指数走势进行有效稳定预测。