基于权重动态离散模型的WSNs定位算法

针对测距误差和距离权重对定位误差的影响,提出一种离散距离权重动态修正的定位算法。算法首先分区域获取动态路径损耗指数,建立接收信号强度测距简化数学模型,抑制接收信号强度测距误差。然后将静态距离权重因子离散化,为离散距离权重匹配动态权重系数,并在划定的动态取值范围内寻找最优权重系数,权重系数与接收信号强度正相关。基于MATLAB平台仿真结果表明,与其他算法相比,该算法能够较好地抑制接收信号强度测距的误差影响,显著降低平均定位误差,提高定位精度。

降低函数调用分支别名的神经网络预测器

通过对程序调用过程中分支预测空间特性的分析,发现传统神经网络算法在不同函数调用相同子函数时容易出现别名效应,进而提出了一种基于子函数权重索引离散的神经网络分支预测器。该预测器通过调用信息堆栈记录函数调用中的父函数的路径信息,并用该信息离散子函数权重索引,有效降低了由于不同父函数调用相同子函数造成的别名效应。实验结果显示,基于该方法的神经网络分支预测器的预测错误率降低1%～10%。

基于成熟度分析的电网企业项目重要程度测算模型

电网企业的项目目标运营值权重计算混乱,导致测算项目权重离散率过高。对此,研究基于成熟度分析的电网企业项目重要程度测算模型。计算电网企业项目重要特征权值,建立成熟度分析项目重要程度测算指标,利用成熟度分析权重求解项目参数,设计电网企业各项目重要程度分配算法,完成电网企业项目重要程度测算模型设计。实验结果表明,对离散指数在25~30之间的测算组别进行排列,建立对应排列组别的决策变量分区后,该方法的项目权重离散率在45%~50%,电网企业项目重要程度测算效果更好。