简介:针对空气污染物氨气、乙醇、氨气乙醇混合气体,搭建在线检测电子鼻系统.采用不同的特征提取方法得出特征,并利用主成分分析(PCA)和线性判别式分析(LDA)做类别区分.结果显示,利用传感器响应最大值特征和LDA能更好地区分三类气体.利用最大响应值特征,采用多层感知器(MLP)神经网络和粒子群(POS)优化的支持向量机(SVM)对110个测试样本分类.结果显示,MLP神经网络的正确率为70%,POS优化的SVM正确率为96.3640%.最后,根据Loadings分析,剔除了TGS2602,MQ138,MQ3传感器,优化了传感器阵列.结果表明,该在线电子鼻系统能够应用到这三类空气污染物分类.
简介:软件定义网络(SDN)将数据层与控制层相分离,是一种新型网络体系架构.针对目前SDN网络还不能提供路由服务问题,设计了一种基于OpenFlow技术,使得SDN网络拥有路由转发功能的方案.依托RouteFlow平台,以内核虚拟化技术为基础,以Quagga软件为路由引擎,通过OpenFlow控制器为数据平面提供路由逻辑控制策略.实验结果表明,该方案不仅让SDN网络具有了路由转发功能,还能使系统保持较好的稳定性.
简介:在室内定位中,针对移动标签的精确定位过程中所存在的定位精度低、非视距(non-line-of-sight,NLOS)现象与多径传播等问题,提出一种基于超宽带(Ultra-wideband,UWB)的线段近似双曲线定位算法,将二次双曲线方程转换为线性方程,结合到达时间差(Timedifferenceofarrival,TDOA)定位算法与三角形质心定位算法原理,可以实现高精度定位.经MATLAB仿真验证,该算法中的三线段近似双曲线的近似定位算法的平均距离误差是60.74cm,三加四线段近似双曲线的近似定位算法的平均距离误差是31.34cm,五线段近似双曲线的近似定位算法的平均距离误差是14.08cm.与迄今为止公布的文献相比,证明了该算法定位精度较高,在保证定位精度的同时,Chan算法运行一个周期所用时间为13.580s,线段近似双曲线算法运行一个周期所用时间最大为8.985s,算法复杂度大大的下降.
简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
简介:由于Newman有理算子对|x|逼近效果较好,所以考虑利用Newman-α型有理算子对|x|~α进行逼近.构造Newman-α型有理算子,讨论Newman-α算子在Chebyshev结点组下逼近|x|~α的收敛速度,最后得到精确的逼近阶为O(1/(n~αlogn)).该结果包含了α=1时的情形.