物联网在智能家居中的应用

随着科学技术的快速发展,物联网技术逐渐融入人们的日常生活中,其在诸多领域都发挥着重要作用。论文主要针对物联网技术、智能家居以及物联网技术在智能家居中的典型应用做了简要论述,以供参考。

应用型本科《Android平台移动开发技术》教学改革与探索

目前,移动通讯设备成为重要的辅助设备,不仅为人们生活和工作提供便利的沟通条件,还为社会和经济发展作出重要的贡献。为不断扩大移动通讯设备的应用领域,作为移动通讯重要的操作系统组成基础,Android操作系统的发展成为科技人员重点研究课题。本文是在对Android操作系统开展教学改革和探索过程中,围绕如何提高Android平台移动开发技术课程教学质量和效率展开讨论,目的是为学生提供良好的教学方法,通过学校与企业建立的合作教学模式,培养学生具备良好的开发和创新应用能力。

基于改进高斯-牛顿法的NLOS误差消除三维定位模型

针对无线传感网络进行室内定位过程中由于信号非视距(NLOS)传播导致精度低的问题,提出一种基于改进高斯-牛顿法的NLOS误差消除室内三维定位模型.该模型基于欧式距离,利用最小二乘算法得到目标位置的初始解,并根据改进的高斯-牛顿法对非线性最小二乘估计值进行迭代,进一步降低NLOS误差的影响,收敛得到最终的精确位置.实验结果表明:该模型在三维空间的定位误差约在0.64 m,最大定位误差不超过1.29 m,误差小于1.2m的概率为96.5%,较其他定位方法有更好地定位效果.

针对簇类中心自适应的密度峰值聚类算法

针对密度峰值聚类(CFSFDP)算法无法自动确定簇类中心点和需要人为主观通过决策图截取簇类中心的局限性的问题,提出了一种针对簇类中心自适应的密度峰值聚类算法。首先应用马氏距离计算方式计算数据的距离矩阵,其次根据簇类中心的分布规律提出自适应化的簇类中心提取机制,最后基于簇类中心的刻画自适应化离群点的分辨,从而得到最终的聚类效果。为验证所提方法的有效性,实验中对多个数据集进行广泛测试,结果表明:所提算法在人工测试数据集和UCI数据集上都比原CFSFDP算法具有更好的聚类结果。

R-T电阻温度系数测定仪的改进

文章介绍了对传统R-T电阻温度系数仪的改进,将原本模拟式的温度测量仪器改为数字式恒温控制仪器。仪器基于STC89C51单片机数字式恒温控制系统,拥有控制灵活、操作简单等特点,能够自主设定仪器内部铜丝电阻的温度并维持在设定温度。文中详细阐述了此温度控制系统的硬件组成和软件设计以及仿真与调试。

变分布的量子行为粒子群优化算法求解工程约束优化问题

针对工程形状设计领域中带有多个约束条件的非线性设计优化问题,提出了一种自适应的基于高斯分布的量子行为粒子群优化(AG-QPSO)算法。通过自适应地调整高斯分布,AG-QPSO算法能够在搜索的初始阶段有很强的全局搜索能力,随着搜索过程的进行,算法的局部搜索能力逐渐增强,从而满足了算法在搜索过程不同阶段的需要。为了验证算法的有效性,在压力容器和张弦设计问题这两个工程约束优化问题上进行50轮独立实验。实验结果表明,在满足所有约束条件的情况下,AG-QPSO算法在压力容器设计问题上取得了5890.9315的平均解和5885.3328的最优解,在张弦设计问题上取得了0.01096的平均解和0.01096的最优解,远优于标准粒子群优化(PSO)算法、具有量子行为的粒子群优化(QPSO)算法和高斯量子行为粒子群(G-QPSO)算法等现有的算法的结果,同时AG-QPSO算法取得的结果的方差较小,说明该算法具有很好的鲁棒性。

大学计算机基础课程教学质量提升研究

随着计算机在各行业的普及,各岗位对计算机应用能力的要求也日渐增多。为了提高我校学生计算机应用技能水平,本文针对本科院校计算机基础课程教学,在师生关系、教学方法、考教结合和科研促教方面展开探讨,旨在为如何促进计算机基础课程教学工作有序开展提供一些思路,以激发学生的学习热情,进一步培养应用型创新人才,推动我校转型发展。

基于深度神经网络的激光图像修复

激光图像在采集和传输过程中,易受到其它因素的影响,会出现破损现象,针对传统技术无法实现高精度激光图像修复的难题,为此设计了基于深度神经网络的激光图像修复技术。首先对当前激光图像修复的研究现状进行分析,找到引入激光图像修复精度低的原因,然后采用深度学习神经网络对激光图像受损区的轮廓线结构进行映射,根据利用曲线拟合理论将激光图像受损区分割出来,最后对激光图像受损区的相关信息进行填充,完成激光图像修复,并进行了激光图像修复的仿真测试。结果表明,相对于原始激光图像,修改后的激光图像不仅信噪比大幅度提升,激光图像的视觉效果更佳,而且激光图像修复效果要明显优于传统激光图像修复技术,验证了本文激光图像修复技术的优越性。

无线自组网资源分配机制的研究

无线自组网的应用邻域非常广泛,可以应用在军事通信、灾后紧急应用、个人通信、传感器邻域等,随着通信技术的发展人们对无线自组网络提出了越来越高的要求,保证高水平的网络性能成了研究关键。其性能受到诸多因素的影响,如组网规模、网络拓扑、节点分布、节点移动性等,所以如何合理地调度有限的网络资源,提高网络资源利用率成为研究中需要解决的问题。综上,如何在有限的信道资源约束下,合理地分配信道资源,解决多个节点共享无线信道的时候会造成信道资源分配不均的现象是一个迫切的任务。

基于EPC-G2协议的分组访问控制Q算法

根据EPC-Gen2协议中的标准Q算法以及现有的改进Q算法,提出一种采用分组访问控制方法来提高RFID系统俘获效应的Qgac算法。为了提高系统的俘获效应,该算法在执行Q算法之前根据标签接收到的信号强度将所有标签分组,然后根据信号强度差异选定一对最有可能产生俘获效应的分组进行识别。在Matlab平台上的仿真结果表明,Qgac算法能有效地提高RFID系统的俘获效应,减少识别冲突的概率,从而进一步提高了RFID系统的识别性能。

单基站基于波达角度的刚体位置姿态最大似然估计

针对刚体定位同时估计目标的位置和姿态信息的问题,研究了在三维空间中利用单基站进行刚体定位(RBL)的框架.该框架采用单个基站对安装在刚性目标表面的小规模无线传感器信号的波达方向进行测量,并将其与传感器拓扑信息融合,提出了两种用于RBL的最大似然估计算子.利用改进的高斯-牛顿算法对旋转矩阵和平移向量的最大似然估计算子进行优化估计,解算出了目标物体的三维位置和姿态.仿真结果表明,文中提出的最大似然算子可以接近理论克拉美罗下限,并且在收敛成功率和运算成本方面具有较为出色的性能.

基于可逆网络的单一图像超分辨率

本文提出了一种基于可逆神经网络的单一图像超分辨率算法.最近提出的基于深度神经网络的单一图像超分辨率模型都是利用生成的超分辨率图像和对应的高分辨率图像之间的差异定义目标函数以及更新模型参数,这些模型仅利用了超分辨率正向过程中高分辨率图像对于低分辨率图像的依赖,并没有建立低分辨率图像与高分辨率图像之间的相互依赖.本文提出的超分辨可逆网络利用具有可逆结构的神经网络建立低分辨率图像与高分辨率图像之间的相互依赖,它能够将低分辨率图像和高分辨率图像分别投影到相互的图像空间之中,然后利用两个投影的误差反馈来优化模型在低分辨率和高分辨率图像空间的相互映射,基于模型的可逆特性,实现从正向和逆向两个过程分别对超分辨率过程的优化.通过实验,提出的模型在超分辨率基准数据集上取得了优异的结果.