基于遗传算法的最优数据实时推送系统设计

为确保系统数据推送负载均衡,提高最优数据推送速率,设计了基于遗传算法的最优数据实时推送系统。该系统数据采集传输层利用爬虫技术采集用户提交的数据基本信息,并将采集的数据传输至数据访问层;数据访问层为业务逻辑层提供数据访问API接口,完成应用程序与数据库间的操作;依据数据实时性管理需求,业务逻辑层负责数据推送系统服务器处理业务的主要逻辑,设计数据推送系统的业务流程与有关算法,实现数据推送系统各层间的数据交互。基于遗传算法与B/S架构完成最优数据推送模块的搭建,负责推送控制层不同模块的反馈信息至展现层相应页面的数据浏览点,实现系统最优数据推送的负载均衡。系统测试表明,该系统可完成不同模块间的最优数据推送,系统响应速率较快,有效确保了数据推送系统负载均衡。

遥感影像区域覆盖最优数据集的筛选模型

随着遥感影像数据越来越多,面向指定区域的遥感数据查询,往往出现查询结果数据量大、数据重叠且数据质量良莠不齐的问题。针对传统查询方法的问题,提出一种遥感影像区域覆盖最优数据集的筛选模型。该模型基于成像时间、云量和分辨率等参数建立归一化数学计算模型,完成指定时空范围内覆盖最优的遥感影像数据集筛选。试验结果表明,使用区域覆盖最优数据集筛选模型,能够有效剔除遥感数据中较早时相、重复覆盖和多云量的数据,有效地缩减用户数据筛选时间。

移动边缘计算任务切分与物联网最优数据卸载算法设计

为解决传统卸载算法在对物联网数据进行卸载时,存在卸载数据量与实际需要进行卸载的数据量相差较大,影响物联网高效运行问题,开展移动边缘计算任务切分与物联网最优数据卸载算法设计研究。通过物联网移动边缘节点计算任务切分、基于完全物联网移动边缘场景的数据卸载和基于不完全物联网移动边缘场景的数据卸载,提出一种全新的卸载算法。通过对比实验进一步证明,新的卸载算法在实际应用中卸载精度更高,更满足物联网高效运行需要。

LEACH算法最优数据采集方案

为了提高无线传感器网络低功耗自适应聚类路由算法(LEACH)的能量利用效率,首先建立了该算法的通信模型,得出了在簇形成阶段和数据采集阶段网络节点的能量消耗.其次分析了传感器节点每轮只采集一次数据和每轮采集多次数据这2种不同情况下所消耗的能量.最后通过对比节点在具有相同初始能量条件下采集信息量的差异,理论上推导出了最优化的数据采集方案,使得无线传感器网络节点在能量使用效率上有了较大提高,并通过仿真实验说明了它的可行性和正确性.实验结果表明,与每轮只采集一次数据相比,最优化采集方案能在其基础上提高33%的能量利用效率.

无线传感器网络中基于时效的最优数据包长

在移动无线传感器网络中,MAC协议采用包分割的方法进行数据传输。当分割的数据包较大时,数据包传输出错的概率较大;当分割的数据包较小时,会增加控制开销和传输总时间,影响移动节点间的通信。通过构造基于数据包传输时间效率的最优化模型来说明数据传输时间与最优数据包长之间的关系。通过仿真验证了这种关系。

选用最优数据信道的认知无线电MAC协议

如何选择数据信道进行数据的传输是认知无线电网络MAC协议的重要环节,许多现有的MAC机制在选用数据信道没有考虑信道的可用概率,而可用概率对网络性能有着重要的影响。提出了一种最优信道传输的认知无线电MAC协议。次用户在频谱感知后,选用质量最优数据信道对数据进行传输,评价信道质量的标准中考虑了信道的可用概率。最后。

机器人步进电机的最优机械控制数据建模与仿真

步进电机的控制精度会对电机位移和数字脉冲产生影响,为了提高步进电机最优机械控制数据的准确性,确保步进电机最优机械控制效果,提出机器人步进电机的最优机械控制数据建模与仿真方法。该方法优先分析了机器人步进电机的内部结构、工作原理,并利用数学模型推导出传递函数,以此达到简化步进电机的目的。基于分析结果建立控制模型,实现最优控制机器人步进电机,并依据仿真分析结果验证最终控制效果。实验结果表明,所提方法的机器人步进电机最优机械控制效果较好,能够有效提高机器人步进电机最优机械控制精度。

基于最优线性数据融合的探潜定位优化算法研究

针对分离式强声源声纳定位模型在工作过程中会出现信息冗余现象,提出了基于最优线性数据融合的远距离探潜定位优化算法。并对不同条件下的定位误差几何分布曲线图进行了数值仿真,结果表明,基线长度、时间测量误差的变化对非探测盲区的定位性能影响较小。而角度测量误差对该算法的定位精度影响较大,并且,当两个接收器中任一接收器的角度测量误差增大时,整个系统的定位精度都会下降。与其他定位算法相比较,采用数据融合的优化手段,可以充分利用定位系统的冗余信息,有效的降低了系统的定位误差。仿真结果和性能分析为解决远距离探潜定位优化问题提供了理论依据。

间歇过程最优迭代学习控制的发展:从基于模型到数据驱动

本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的关键是非线性重复系统的迭代动态线性化.本文简要综述了基于模型的最优迭代学习控制的研究进展,详细回顾了数据驱动的迭代动态线性化方法,包括其详细的推导过程和突出的特点.回顾和讨论了广义的数据驱动最优迭代学习控制方法,包括完整轨迹跟踪的数据驱动最优迭代学习控制方法,提出和讨论了多中间点跟踪的数据驱动最优点到点迭代学习控制方法,和终端输出跟踪的数据驱动最优终端迭代学习控制方法.进一步,迭代学习控制研究中的关键问题,如随机迭代变化初始条件、迭代变化参考轨迹、输入输出约束、高阶学习控制律、计算复杂性等.本文突出强调了基于模型的和数据驱动的最优迭代学习控制方法各自的特点与区别联系,以方便读者理解.最后,本文提出数据驱动的迭代学习控制方法已成为越来越复杂间歇过程控制发展的未来方向,一些开放的具有挑战性的问题还有待于进一步研究.

一种可调阈值的数据最优尺度选择算法

粒度计算正向多粒度层次选择及数据最优尺度选择等方向发展。对具有不同尺度等级的数据组合进行相关研究。针对具有不同数据尺度的系统,构建了一种可调阈值的数据最优尺度选择算法,以便选择数据中的最优尺度,从而获得最优尺度组合。最后,结合决策树分类算法,并采用5个UCI公开数据集实验验证了所提出算法的可行性和有效性。

基于权重的分区最优搜索数据率研究

针对现代电子战探测目标多样性以及多任务同时工作导致的资源不足问题,研究了一种相控阵雷达的分区优化搜索算法。根据不同分区目标的不同特性分别设计了搜索参数,并给出了各分区重要性权重的计算方法。然后,分析了在不同资源约束条件下相控阵雷达搜索性能的优化模型,给出了各分区最优搜索数据率的计算准则和方法。最后,通过仿真实验验证了优化算法的有效性。

基于原始-对偶内点法的无线传感网平均数据流最优传输研究

本文提出一种基于原始-对偶内点算法的无线传感网络数据路由算法。当传输的数据量给定时,提出的算法能够尽可能地平均每条链路上的数据流,有效避免数据流不均导致部分链路上的通信拥塞。仿真实验验证提出算法的有效性。

运动数据中的最优关联数据的分类分析

针对传统关联数据分类方法一直存在分类精度差的问题,提出一种运动数据中的最优关联数据的分类方法。由于运动数据的变化量十分的庞大,同时变化程度也无法用规律进行推导,因此需要确定运动数据中的最优关联数据,通过最优关联数据的关联性进行高速提取,使用异导函数对提取的数据进行系统的分类。为了保证提出的运动数据中的最优关联数据的分类方法的有效性,设计对比仿真实验,通过实验数据表明,提出的运动数据中的最优关联数据的分类方法能够准确地对运动数据中的最优关联数据进行系统分类。

基于相空间重构的变压器油色谱数据最优长度选择方法

变压器是电力系统的枢纽设备之一,基于油色谱的在线监测技术可以实时获取油中溶解气体含量的时间序列,从而实现对变压器的故障预警和辨识。在利用时间序列进行分析时,选择过多或者过少的数据均会导致分析结果不准确。因此,该文提出了基于相空间重构的油色谱分析数据最优长度选择方法。首先,利用李雅普诺夫指数验证时间序列是否具有混沌特性,对于具有混沌特性的时间序列数据,利用延迟坐标法重构其相空间,然后利用C-C法计算嵌入维数和延迟时间,在获得嵌入维数的基础上,通过分析嵌入时间序列的关联积分的收敛性,得到时间序列长度与嵌入维数之间的关系,从而可以得到数据的最优长度。最后,该文给出了计算变压器油色谱数据最优长度的流程,并利用获取到的现场的案例进行验证,验证结果表明：使用最优油色谱数据计算得到的结果与原来的计算结果一致,但是计算量和计算时间显著减少,计算效率显著提升。

均匀圆平面声阵被动声探测数据融合

应用最优数据融合的概念提出了一种改善被动声探测系统探测精度的方法.该方法把M元均匀圆平面声阵分成C_M^3个相关的三元子阵,分别求出各三元子阵的探测值和方差值.然后确定各子阵的置信区间和置信概率,描述各子阵之间的支持与取舍关系,采用最优数据融合方法建立系统最优数据融合区间的算法.最后,通过对四元均匀圆平面声阵的精度分析计算,讨论了融合算法的有效性.

一种无人机红外/毫米波雷达数据融合方法

无人机用途十分广泛,不管是侦察定位,还是执行其他任务,均需要具有较高的目标跟踪定位能力,通常可将红外传感器和雷达配合使用。文章针对使用红外传感器在直角坐标系下对目标运动状态估计时不稳定且红外传感器与雷达数据率不一致的问题,提出一种将基于修正球坐标系的红外(IR)目标跟踪与毫米波雷达(mmw)跟踪结合在一起的方法,通过使用最优数据压缩方法,将红外与毫米波雷达信息融合,解决了在直角坐标系中使用红外传感器的不稳定问题以及红外传感器数据率明显高于雷达数据率的问题,实现红外与雷达同步数据融合,有效地提高无人机的目标跟踪能力。

一种测井岩性识别的寻优模型

岩土作为一种极其复杂的材料,通常会受到外界多种因素的影响而发生变化,这些影响因素既包括断层、裂隙、雨水冲刷和腐蚀等天然环境因素,也包括众多的人为因素,从而导致测井岩性的识别会产生大量的干扰数据。在对大数据量的信息寻优处理的算法中,支持向量机(Support Vector Machine,SVM)是一种受到广泛关注的寻优方法。但是传统的SVM寻优方法存在耗时长的缺陷,因此将传统SVM寻优当中的留一交叉法改为K折交叉法,并利用这种优化的SVM对测井岩性数据进行寻优处理,来进行测井岩性的识别。对比试验结果表明,相对于传统支持向量机的寻优算法,该方法具有识别正确率高、收敛速度快等优点。

基于最小平均发现时间的相控阵雷达最优搜索

针对预警指示信息下相控阵雷达搜索任务,利用预警误差信息进行搜索区域确定与波位编排,并基于目标在各波位内的出现概率建立最小平均发现时间模型,得到了对应的针对单目标突防战情的最佳搜索数据率。仿真试验表明,该最优数据率方法相比于传统的顺序扫描方法,搜索性能更优。

基于粒子群优化的目标分类算法

定义一个确定聚类数K和初始数据中心的算法,将由算法得到的初始数据中心作为初始粒子,用粒子群优化算法寻优,获得最优数据中心;使用模糊K-Means算法,采用最优数据中心进行聚类.在UCI数据集上的实验结果表明,算法能准确实现分类,具有较强的全局寻优能力和较快的收敛能力,寻优时间较少,能有效地解决目标分类问题.

基于雷视一体机的交通流数据采集系统设计

交通流数据是进行交通管理宏观决策的基础数据,交通流数据采集系统是交通管理信息化智能化的重要组成部分;随着我国交通领域的蓬勃发展,交通流量激增、高速交通拥堵、交通事故等突发事件频发,为此,设计一套实时性好、准确度高的交通流数据采集系统是十分必要的;文章基于雷视一体机开发了一套高速公路交通流数据采集系统,采用端-边-云分级传输的物联网架构,并结合了自主研发的雷视一体机,采用CNN神经网络技术提取图像信息后,在边缘计算机中通过一维数据最优估计、多传感器数据匹配、多传感器双向最优估计、多传感器目标特征融合的软件工作流程,将雷达与监控相机提取到的信息进行最优化估计,准确提取道路目标交通信息,仅将处理后的特征信息上传至云端服务器,实现交通流数据的精确、实时采集;系统试运行结果表明,该基于雷视一体机的交通流数据采集系统能够有效提高检测准确性,加强检测结果的实时性。