期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 传感器网络分簇时间跨度优化聚类算法
梁娟, 赵开新, 吴媛
计算机应用    2016, 36 (10): 2670-2674.   DOI: 10.11772/j.issn.1001-9081.2016.10.2670
摘要375)      PDF (791KB)(424)    收藏
针对无线传感器网络(WSN)簇头节点能效低、网络能量负载不均衡问题,提出一种传感器网络分簇时间跨度优化(CTSO)聚类算法。该算法首先在簇头选举方式上关注了簇内成员数量和簇头间距的约束问题,尽可能地避免各个簇之间发生覆盖重叠,优化簇内节点能量;接着对簇头的选举周期进行优化,以任务执行周期大小作为一个时间跨度并分为多个轮,通过最小化簇头选举的轮数来减少用于选择簇头而花费在广播消息上的能量,提升簇头节点的能量利用率。实验仿真结果表明,对比基于多Agent的同质态数据汇聚路由方案以及自适应数据汇聚路由策略,CTSO算法的平均能量效率分别提高了62.0%和138.4%,节点寿命则分别提高了17%和9%。CTSO算法在提升无线传感器网络簇头能效及均衡节点能量上具有较好的效果。
参考文献 | 相关文章 | 多维度评价
2. 新的基于特征关系表述的步态识别算法
项俊 笪邦友 梁娟 侯建华
计算机应用    2012, 32 (03): 885-888.   DOI: 10.3724/SP.J.1087.2012.00885
摘要1227)      PDF (769KB)(519)    收藏
为了快速有效地进行步态识别,利用特征关系非平稳分布的统计特性,提出了一种新的基于特征关系表述的步态识别算法。首先,将剪影轮廓相邻像素点间8邻域相对方向标号作为特征关系属性一,将轮廓边界点与中心点间的距离作为特征关系属性二,经直方图归一化处理,得到两种关系属性的联合概率;其次,结合主成分分析(PCA)降维的方法,提取特征主向量;最后,采用最近邻分类器进行识别分类。实验证明,该算法在CASIA步态数据库上,最高达到了90%以上的识别率,而且与传统的特征关系表述步态识别算法相比,关系属性联合概率矩阵维数由900维下降到240维,大大降低了算法的计算代价。
参考文献 | 相关文章 | 多维度评价