基于模糊聚类和动态K值的室内定位算法

针对室内定位中传统指纹定位无法有效筛选参考点以及聚类边缘处定位精度下降问题,提出一种结合改进FCM(Fuzzy C-Means)聚类与动态加权K近邻的算法。离线建库阶段,在传统FCM聚类的基础上通过结合最小隶属度阈值对聚类边缘点进行扩充,降低边缘处的定位误差。在线定位阶段,通过结合指纹强度与空间位置信息,对偏离空间中心的近邻点进行剔除,减少由个别近邻点导致的精度下降问题。仿真结果表明,本文所提算法的平均定位误差为1.19 m,较基于传统FCM聚类的加权K近邻(Weighted K Nearest Neighbors, WKNN)算法和动态加权K近邻(Enhanced Weighted K Nearest Neighbors, EWKNN)算法的平均误差分别降低了27%和16%,具有更高的定位精度。

快速修正k值的UPF谐波与无功电流检测方法

针对常规单位功率因数(UPF)谐波与无功电流检测方法中采用低通滤波器求取等效电导k值存在较大延时的问题,笔者提出一种利用广义无功电流对k值进行快速修正的改进方法。该法通过在原有获得的k值基础上叠加一表征暂态谐波与无功电流大小的修正电导值k0来提高检测过程的动态响应性能。MATLAB仿真结果表明,改进后的UPF方法实时性和快速性明显优于常规方法,进一步的实验结果也证明了改进方法的正确性、可行性和实用性。

基于KNN算法的文本自动分类方法研究——以学术期刊栏目自动归类为例

本文将期刊目录中按照主题设置的有关栏目(常设主题栏目)看作不同的类别,应用改进的KNN算法对属于不同类别(栏目)的期刊论文进行自动归类(归栏)处理。在分析期刊常设主题栏目特征的基础之上,从建立自动分类所需的训练文本集、测试集及分类(归栏)效果评价等多个方面加以定义,利用Jensen-shannon散度计算文本间的相似度,按照栏目动态决定k值等方面对KNN算法的基本原理加以改进。该方法以论文标题、摘要和作者关键词构成的短小文本为分类对象,对期刊常设主题栏目的自动归类(归栏)处理取得77.25%的F测度值,可以针对短小文本以及训练文本数量有限的情况下开展有效的文本自动分类处理。

基于历史数据的经济运行生产指标统计分析方法

为探寻电站群的最优运行方案,以获得更好的经济效益,创新地提出了一种基于历史数据的经济运行生产指标的统计分析方法,首先提取较优的历史数据,再对其进行加工计算和对综合效率系数K值进行拟合,并使K值函数动态化,使其不仅具有良好的自适应性,还可以随着数据的继续积累,样本量增大,误差会越来越小,精度越来越高,可更好地指导生产,进一步提升梯级电站群的优化调度水平。

无线传感器网络动态κ值簇头选择方法

在低功耗自适应集中分层协议(LEACH-C)基础上,提出了基于LEACH-C的能量均衡路由算法(LEACH-EB),该算法采用1轮全局分簇和κ轮局部簇头更新的方式,以达到进一步延长网络生命周期的目的.鉴于采用固定的κ值时传感器网络难以获得最佳性能,分析了不同κ值下的网络性能,提出一种基于LEACH-C的动态κ值簇头选择方法 LEACH-CK.其核心思想是每次全局分簇后,结合当前分簇情况和节点剩余能量计算出一个较优的κ值.OMNeT++(面向对象的离散事件网络模拟器)仿真结果显示:LEACHCK可以有效推迟网络中第一个节点死亡的时间,同时网络具有较好的稳定性.