检索结果-南通市图书馆

兰州大学学报（自然科学版） 2000年第2期36卷 77-83页

作者：安红钢吴冬青张掖师范高等专科学校化学系甘肃张掖734000

根据拓扑学原理 ,运用图论方法 ,以计算机为工具 ,对饱和烷烃的分子结构信息进行分析处理 ,定义了一个表征分子结构信息的内聚力指数 F ,并和拓扑指数 W,P一道 ,应用于微观结构与物性关系的研究之中 ,与饱和烷烃的热力学性质进行关联拟... 详细信息

根据拓扑学原理 ,运用图论方法 ,以计算机为工具 ,对饱和烷烃的分子结构信息进行分析处理 ,定义了一个表征分子结构信息的内聚力指数 F ,并和拓扑指数 W,P一道 ,应用于微观结构与物性关系的研究之中 ,与饱和烷烃的热力学性质进行关联拟合 ,给出了相应的定量关系式 .

关键词：饱和烷烃热力学性质分子结构拓扑相关性

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于拓扑相关性的改进型DV-Hop算法

引用

计算机工程与设计 2011年第6期32卷 1885-1888页

作者：张纪文柴乔林王登第山东大学计算机科学与技术学院山东济南250101

在拓扑不规则的传感器网络中,传统的DV-Hop算法在平均跳距计算上不合理,使得节点的定位误差很大,针对这一问题,提出了一种基于拓扑相关性的改进算法。该算法的主要原理是根据网络拓扑相关性和跳数加权计算平均跳距,并对多个估算结果进... 详细信息

在拓扑不规则的传感器网络中,传统的DV-Hop算法在平均跳距计算上不合理,使得节点的定位误差很大,针对这一问题,提出了一种基于拓扑相关性的改进算法。该算法的主要原理是根据网络拓扑相关性和跳数加权计算平均跳距,并对多个估算结果进行面积加权,有效地提高了定位精度。仿真结果表明,与传统DV-Hop相比,该算法在不增加额外硬件支持的前提下,更适合于随机分布网络中的节点定位。

关键词：传感器网络定位算法拓扑相关性 DV-Hop算法 OMNET++仿真

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一个基于异构型局域网的雕塑实体布尔操作并行算法

引用

中国图象图形学报（A辑） 2003年第3期8卷 292-298页

作者：唐敏董金祥浙江大学CAD/CG国家重点实验室人工智能研究所杭州310027

为了在某些限时操作下得到实时交互的速度 ,提出了一个分布式的雕塑实体模型布尔操作并行算法 .该算法在各个阶段抽取的并行性和原串行算法的拓扑相关性之间采取了折中的策略 ,并对于不同的并行任务 ,采用了不同的任务均衡手段 .该算法... 详细信息

为了在某些限时操作下得到实时交互的速度 ,提出了一个分布式的雕塑实体模型布尔操作并行算法 .该算法在各个阶段抽取的并行性和原串行算法的拓扑相关性之间采取了折中的策略 ,并对于不同的并行任务 ,采用了不同的任务均衡手段 .该算法已经在一个由 10台 P /35 0微机和由 5台 SGI O2工作站组成的异构型局域网上得到实现 .实验结果显示 ,该算法获得了理想的加速比 ,对于复杂雕塑实体的造型 ,操作平均可在 3s～ 4 s完成 ,因此能满足实时交互的需要 .

关键词：局域网拓扑相关性并行性雕塑造型布尔操作虚拟制造系统

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

无线传感器网络节点自定位技术研究及应用

无线传感器网络节点自定位技术研究及应用

引用

作者：张纪文山东大学

学位级别：硕士

无线传感器网络是一种由大量廉价的传感器节点组成的多跳自组织网络。它的出现,极大地拓宽了人们获取信息的渠道,把客观世界的物理信息通过无线网络进行传输,给人们传递最直接、最有效、最真实的信息。无线传感器网络的应用前景十分广阔... 详细信息

无线传感器网络是一种由大量廉价的传感器节点组成的多跳自组织网络。它的出现,极大地拓宽了人们获取信息的渠道,把客观世界的物理信息通过无线网络进行传输,给人们传递最直接、最有效、最真实的信息。无线传感器网络的应用前景十分广阔,涉及到国防军事、环境监测、医疗护理、精准农业等各个领域。随着物联网的深入研究发展,使得无线传感器网络成为了最新研究热点。在无线传感器网络中,位置信息对传感器网络的监测活动不可或缺,确定事件发生的位置是传感器网络最基本的功能之一,对传感器网络的应用有效性起着至关重要的作用。在无线传感器网络中,无需测距的定位算法具有功耗小、成本低以及硬件设备简单等技术优势,非常适合应用于大规模传感器网络中。DV-Hop算法是一种典型的无需测距的定位算法。在各项同性且密集分布的网络中,该算法定位精度较高。然而,在拓扑不规则的传感器网络中,DV-Hop算法在平均跳距计算上不合理,使得节点的定位误差很大。针对这一问题,提出了一种基于拓扑相关性的改进算法。主要原理是根据网络拓扑相关性和跳数加权计算平均跳距,并对多个估算结果进行面积加权,有效地提高了定位精度。仿真实验表明,与传统DV-Hop相比,改进算法在不增加额外硬件支持的前提下,更适合于随机分布网络中的节点定位。在物联网技术快速发展的今天,本文将Zigbee和无线传感器网络定位技术应用到温室智能监控系统的设计之中,实现了温室环境监控的自动化和智能化。该系统初步实现了温室环境数据实时采集、处理与显示;将监测的环境参数通过串口通信传输到监控中心计算机,并接受系统控制而产生控制决策,有系统自动控制、专家决策控制和经验自动控制3种方式,增加了系统控制的灵活性。该系统简单易用,扩展性强,有着较强的实用价值。

关键词：传感器网络定位算法拓扑相关性 DV-Hop算法温室智能监控

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于KL散度加权的集成聚类研究

基于KL散度加权的集成聚类研究

引用

作者：徐佳璇西南财经大学

学位级别：硕士

随着人工智能的蓬勃发展,数据对机器学习模型的影响至关重要。然而在实际生产生活中,人们所收集到的数据大多都是无标签、带噪声的。即便我们可以人工标注一部分数据,但是面对海量数据,人工标注仍然面临极大挑战。针对这种情况,聚类分... 详细信息

随着人工智能的蓬勃发展,数据对机器学习模型的影响至关重要。然而在实际生产生活中,人们所收集到的数据大多都是无标签、带噪声的。即便我们可以人工标注一部分数据,但是面对海量数据,人工标注仍然面临极大挑战。针对这种情况,聚类分析应运而生。作为无监督学习的代表,聚类分析不同于监督学习,其不需要标签的特性可以很好的满足实际需求。但是面对多种多样的数据分布、不同的数据类型,一种适用于所有数据的聚类算法基本不存在。为了解决该问题且进一步的提升聚类的准确性和鲁棒性,集成聚类算法被提出且成功应用。由于缺乏标签作为统一的参照,集成聚类对基聚类的提升幅度有时可能并不显著。一般来说,集成聚类算法可利用的只有基聚类结果,而当前的集成聚类方法对于基聚类结果的深层次信息探索仍然不足。因此,在有限可利用的信息中挖掘更多的深层关系在集成聚类学习中极其重要。为了挖掘深层信息,本文结合图学习理论中的高阶连接关系、结构融合模型、拓扑关系传递性提出了一系列高效的集成聚类方法。主要研究内容如下所示:(1)本文提出了基于KL(Kullback-Leible)散度加权共协(Co-association matrix,CA)矩阵的方法,同时引入了图学习中的高阶连接理论。本文利用CA矩阵自增强模型,优化了其中图拉普拉斯矩阵的学习。将图拉普拉斯矩阵的学习从静态的固定矩阵转化为动态学习的矩阵,将一阶的图拉普拉斯矩阵扩展为多阶连接的最优图拉普拉斯矩阵表示。实验结果表明,基于多阶拉普拉斯矩阵学习的集成聚类方法效果显著,有着较大的应用前景。(2)针对集成聚类中结构学习的单一性问题,本文提出了同时学习两种结构然后将其融合的集成聚类方法。主要利用LSR和CA矩阵自增强模型学习得到两种结构,然后加入哈达玛积融合项,最终将其整合为一个统一的目标函数然后得到结果。两种结构融合学习后得到的最终结果在实验中表现良好,在算法对比中也有着一定的竞争力。(3)针对集成聚类学习中相似性传递问题,本文提出了基于拓扑相关性传递的集成聚类方法。拓扑相关性可以通过相似性较高的邻居传播,这从另一个角度诠释了CA矩阵的连通性问题。在求得拓扑结构之后,再应用常用的图分割或层次聚类方法得到共识结果。可视化结果和实验结果表明拓扑相关性的集成聚类方法提升基聚类的准度更显著,竞争力更强。本文的创新点在于:(1)提出了一种基于KL散度的局部加权方法,该加权方法可应用于簇层面和微簇层面,并且提出了一种基于最优拉普拉斯矩阵学习的集成聚类方法;(2)提出了一种基于哈达玛积融合结构的集成聚类方法;(3)提出了一种基于拓扑相关性学习的集成聚类方法。

关键词：集成聚类 KL散度加权图拉普拉斯矩阵拓扑相关性结构融合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：