无线传感网混合类MAC协议研究综述

在无线传感网(WSN)体系结构中,介质访问控制(MAC)协议负责调配网络中节点的信道接入,具有保障网络高效通信的重要作用。混合类MAC协议综合了竞争类MAC协议以及调度类MAC协议的特点,在融合两种机制的优点的同时克服其缺点,为无线信道资源的分配提供了更加灵活和全面的策略。首先概述了无线传感网MAC协议设计要点及分类,然后重点分析了无线传感网中经典的混合类MAC协议及国内外前沿的研究进展,并进一步归纳对比了各协议运行机制、性能及不足,得出混合类MAC协议的应用相关性及差异性的结论,最后总结了无线传感网混合类MAC协议研究现状并指出了未来的研究重点,以期为相关领域的研究人员提供参考。

一个混合类的Hilbert型不等式

引进一对共轭指数(p,q),给出了一个带最佳常数因子的混合类Hilbert型不等式及其等价式.

关系数据库中一种混合类不完全信息的引入

本文介绍了关系数据库中信息不完全性的含义及其表现，论述了关系数据库中不同范畴不完全性同时存在的可能性和必然性，并在关系模式中引入一种混合类不完全信息。为了能够表示和处理关系数据库中这种混合类不完全信息，文中最后给出了一种简化的扩展关系模型。

复调思维在混合类电子音乐创作中的有效应用

在传统的作曲理论中,复调音乐是相对于主调音乐而存在的一种音乐形式,在外部形态上表现为通过多声部或抽象或理性的意味凸显西方音乐对科学、对秩序、对形式的尊崇。本文运用理论分析和实践认证的方式对复调音乐中精密而严谨的科学秩序进行分析,并论述了其在混合类电子音乐创作中的应用途径。

复调思维在混合类电子音乐创作中的运用

研究复调思维在混合类电子音乐创作中的运用,有助于在技术理论层面上总结、概括和提升混合类电子音乐(将电子音乐与真实乐器演奏或人声演唱相结合的电子音乐)的创作经验。本文运用理论研究与实证分析相结合的方法,论证了在混合类电子音乐创作中,需要借助传统音乐复调思维的意识和原则。混合类电子音乐为复调思维的运用开辟了广阔空间、丰富载体和表现手法。

基于混合类测试模型的面向对象程序测试用例生成研究

提出了一种混合类测试模型,能在基于状态的测试中提供有效数据流分析。该模型不仅包含了当前测试类的状态转换信息,且包含了从其执行代码所得到的数据成员的定义及使用信息。基于新测试模型所生成的测试用例主要克服了基于状态的测试不能检测与状态无关数据成员的缺陷,且保证了定义-使用路径的可执行性,能较好地缓解以往数据流测试开销大、效率低的问题。

Volkmar Klien的混合类电子音乐创作技法研究——以作品《variations in air pressure》为例

文章以学习中对电子音乐的认识与了解,着重以混合类电子音乐为基础展开研究。"混合类"电子音乐是完全不同于"纯"电子音乐的一种电子音乐形态。其产生的最初目的是作曲家为了丰富釆样内容,不拘泥于某一类音色范畴,进而在理念与技术层面突破了"具体音乐"与"电子合成音乐"间的界限,将环境声音、人声或声学器乐等未经电子化处理的声音素材直接用于电子音乐作品中,形成异质声音元素并存的新状态。此篇论文是以volkmar klien创作的一首小提琴与电子音乐结合的混合型电子音乐作品《variations in air pressure》为例,浅析混合类电子音乐中的创作技法研究。

美标所101-97混合类标准

第一章 总则 1-1 介绍 1-1.1 本标准适用的烟花,其特征是由美标所其它标准定义的烟花特征的组合。 注:某些附带效果如慧尾或哨声,不是混合类烟花的重要特征。 1-1.2 本标准用于普通大众使用的烟花。 1-1.3 本标准依据美国对标签。

电子音乐在传统音乐中的融合应用——以混合类电子音乐作品《猿鸣》为例

混合类电子音乐是一种将传统音乐与电子音乐相结合的艺术形式。本文对混合类电子音乐作品中,原声乐器的音色的形态变化以及处理方式、电子音乐与传统音乐的融合手段等进行具体分析。

混合类电子音乐创作中的复调思维运用研究

电子音乐是全新的音乐形式,是音乐创新与电子技术的产物,在创作上没有摒弃传统作曲方法与理论,而是在继承与借鉴的前提下改进了音乐的表现形式。混合类电子音乐是传统音乐与电子音乐相互融合的产物,由于复调在传统作曲方法与理论中拥有举足轻重的重要作用,因此需要作曲家将复调思维巧妙融入、应用到混合类电音的创作中。本文结合混合类电音与复调的概念阐释,分析混合类电音的基本载体,提出复调思维运用的思路。

基于高斯混合模型聚类的双馈风电场动态等值建模方法

针对风电场动态运行条件下等值建模精度偏低、聚类依据不足的难题,提出一种基于高斯混合模型聚类思想的风电场等值建模方法。首先,分析单台双馈感应式风力发电机在低电压穿越期间的动态响应特性,根据响应特性的集群特征构建聚类指标。然后,提出基于高斯混合模型动态初步聚类、优化聚类数目的两阶段等值建模方法,推导出赤池信息和贝叶斯信息准则下聚类数目的寻优算法。以典型中等规模风电场为例,在Matlab/Simulink平台进行不同故障穿越条件的仿真测试,结果表明所提风电场等值建模方法聚类有效、精度高。

基于高斯混合聚类的综合物探方法及其在岩溶勘探中的应用

综合物探是一种有效的岩溶勘探技术,但其预测结果中存在人为影响大、溶洞边界模糊等缺点.首先,基于机器学习技术,采用高斯混合模型,分别对高密度电法和面波法勘探数据做分类处理;然后,提出Category-boundary算法,进一步细分上述分类得到的边界,提高高斯混合模型分类精度;最后,根据专家经验与地勘资料制定分类融合规则,在勘察数据驱动和工程地质知识引导的有机结合下,形成一套综合物探的高精度分类融合新方法.将新方法应用于浙南某岩溶勘探工程,获得了边界清晰的溶洞探测结果,与实际钻孔信息对比高度吻合,验证了新方法的有效性.

基于改进高斯混合模型的变电站负荷聚类算法

针对传统高斯混合模型(Gaussian mixture model,GMM)聚类算法中计算复杂、收敛速度慢和人为确定聚类数目时存在盲目性和主观性等不足,提出了一种基于改进GMM的变电站负荷聚类算法。以传统GMM聚类算法为基础,采用k均值(k-means)算法确定初始聚类中心。减少了GMM聚类算法迭代步骤,提高了输出结果的稳定性。输出不同聚类数下聚类结果的Davies-Bouldin(DB)指标、CalinskiHarabasz(CH)指标和轮廓系数(silhouette coefficient,SC),应用熵权法确定不同评价指标所占权重,构建聚类评价混合指数(cluster evaluation mixed index,CEM)。将聚类评价混合指数最大值对应的聚类个数作为最佳聚类数目,再次输入到改进GMM聚类算法中,得到变电站负荷聚类结果和聚类中心。结果表明,所提方法增强了传统GMM聚类算法的计算速度和稳定性,对变电站负荷具有良好的聚类综合能力,有助于实现聚类结果最优化。

基于混合类间联想神经网络的光学模式识别

通过结合自联想模型与异联想模型，提出了一种混合类间联想神经网络的光学模式识别系统。在该神经网络中，输入模式矢量不仅通过自联想识别自身，还通过异联想识别配对矢量，因而提高了识别概率。与匹配滤波器光学模式识别系统相比，识别结果直接。

一种基于EFD的混合属性聚类算法

为了提高混合属性聚类效率,提出一种基于扩张翻转距离(Expand Flip Distance, EFD)的混合属性聚类算法。以信息熵及熵权法为基础,通过定义扩张属性和属性扩张量得到EFD,将其作为待聚类对象属性区分的依据,进行聚类对象的属性约简,最终对约简后的属性构建混合属性聚类模型,实现混合属性聚类。实验结果表明,所提算法获得的聚类谱系图和聚类结果均优于对比算法,验证了该算法的合理性和有效性。

基于混合聚类法的典型行驶工况构建

行驶工况开发对于交通模式识别、车辆技术研发以及交通控制水平风险评估等方面具有重要的研究价值,然而面向传统能源车辆的典型行驶工况越来越难以准确体现当前车辆的普遍行驶规律,也无法满足个性化的研发和应用需求。因此,本文提出了一种基于“主成分分析+分层聚类+K均值+高斯概率”的混合聚类方法,该方法通过对高密度分布大样本的聚类分析,构建典型行驶工况。构建结果表明,所得工况的各特征参数相对偏差均低于10%,平均偏差低于4%,本文提出的构建方法具备合理性。

基于划分和层次的混合动态聚类算法

针对划分聚类对初始值较为敏感以及层次聚类时间复杂度高等缺陷,提出了一种基于划分和层次的混合动态聚类算法HDC-PH。该算法首先使用划分聚类快速生成一定数量的子簇,然后以整体相似度的聚类质量评价标准来动态改变聚类数目,同时给出了聚类过程中孤立点的剔除方法。实验结果表明,HDC-PH算法的性能明显优于划分和层次算法,提高了聚类质量,并获得了更自然的聚类结果。

混合聚类新算法及其在故障诊断中的应用

针对模糊C-均值(FCM)聚类算法假设各维特征和每个样本对聚类贡献相同,同时需要预先设定聚类数的不足,利用3层前馈神经网络、点密度函数算法和聚类有效性指标对其进行改进,提出一种新的混合聚类算法。该算法考虑到不同特征和不同样本对聚类结果有不同程度的影响,并根据聚类有效性指标的变化自适应确定聚类数来实现聚类。利用基于梯度下降的3层前馈神经网络通过无监督训练来自适应学习特征权值,使用基于点密度函数的算法获取样本权值,给不同特征和不同样本赋予权重,突出敏感特征和典型样本的主导作用,抑制其他特征和样本对聚类的干扰,以提高聚类性能。研究结果表明,对于国际标准测试数据和某机车轴承的早期故障诊断,该混合聚类算法不但能自动确定聚类数,而且聚类的准确性明显比FCM高。

基于混合聚类算法的动态R-树

针对动态R-树是通过动态插入算法建立起来的,其节点分裂算法的性能直接影响到R-树的性能和查询效率的问题,为了使动态R-树适应多维复杂空间数据的要求,提出一种用于实现R-树节点分裂的混合聚类算法(HCR),它建立在普通聚类算法的基础上,并进行了一系列扩充。针对空间对象的均匀分布与不均匀分布,HCR算法在实现R-树节点分裂时分别采用不同的聚类准则以提高其聚类效果和查询效率。此外,还将HCR算法与其他算法进行对比实验,结果表明该算法具有较高的查询效率。