检索结果

Select

1. 智能环境下分布式Rete算法

汪成亮, 温鑫

计算机应用 2016, 36 (7): 1893-1898. DOI: 10.11772/j.issn.1001-9081.2016.07.1893

摘要（501）

PDF （942KB）（359）

针对智能环境中基于Rete的规则推理引擎需要将数据集中到sink节点，导致传感器网络中数据传输量过大的问题，建立了Rete网络代价模型，并提出了最小传输代价的Rete分布的算法（MCoRDS）。该算法通过统计Rete网络中子模式对事实数据的依赖，发现大部分子模式在对应事实数据采集Sensor附近便具备了计算推理条件，故将Rete网络中的子模式规则分布到最早汇集其所需所有事实数据的Sensor中，即可避免事实数据进一步往sink节点的传输，从而大量减少传感器网络中的数据传输量。对比将Rete网络放置在sink节点的集中式推理进行了4组仿真实验。其中第4组实验，传感器网络总跳数由85000减至8036，减少约90.5%；其余组实验传输跳数也有一定的减少。实验结果表明，最小代价的Rete分布具有更小的数据传输量，在规则触发频率低、规则规模较大的情况下尤甚。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于自适应分数阶微分的Harris角点检测算法

乔鹤松汪成亮陈娟娟

计算机应用 2011, 31 (10): 2702-2704. DOI: 10.3724/SP.J.1087.2011.02702

摘要（1277）

PDF （746KB）（602）

针对Harris算法在对纹理复杂程度高的图像进行角点检测时会出现大量伪角点,以及分数阶微分应用到图像处理中需要人为地指定阶数的缺点。分析了伪角点大量产生的原因,并提出以分数阶替换原算法中的整数阶对图像进行微分的改进方法,以及一种以图像的分形维数作为参数来自适应地选择微分所需要的阶数的方法。从而使图像做微分运算时能更好地保留图像中的边缘信息,使分数阶微分可以应用于视频目标追踪、视频稳像等实时性要求较高的场合。实验表明,改进算法在进行角点检测时具有更高的精确度。

相关文章 | 多维度评价

Select

3. 基于动态特征提取和神经网络的数据流分类研究

汪成亮庞栩陆志坚罗昌银

计算机应用 2010, 30 (06): 1539-1542.

摘要（2015）

PDF （748KB）（1180）

为提高数据流分类的精确性和适应性,提出了一种新的数据流分类方法。该方法基于总体最小二乘法对数据流进行分段拟合,并将传统曲线分析算法——滑动窗口(SW)和在线数据分割(OSD)进行结合、改进,以可变滑动窗口算法实现对数据流的合理分割,提高趋势分析精度。在此基础上,对数据流进行动态特征提取和判断,并以神经网络对数据流特征进行模式识别,精确分类,进而对监控对象提供早期预警、状态评估和决策支持。实验结果表明,该方法能对数据流进行有效的动态特征描述,分类效果明显。