论文部分内容阅读
提出了一种基于移动代理和小波的网内加权融合方法．该方法基于网内数据存在时空相关性和较大冗余的特点，引入移动代理并进行小波网内加权融合处理来减少网内数据传输量，克服分布式处理需要节点间额外信息交互的不足．仿真结果表明：其能进一步降低通信量和总能耗．
基于移动代理和小波的网内数据加权融合方法
【摘 要】
：
提出了一种基于移动代理和小波的网内加权融合方法．该方法基于网内数据存在时空相关性和较大冗余的特点，引入移动代理并进行小波网内加权融合处理来减少网内数据传输量，克服分布
【机 构】
：
南京理工大学自动化学院
【出 处】
：
信息与控制
【发表日期】
：
2010年2期
其他文献
为了解决机器人路径规划中的＂局部最小＂问题,提出了一种基于量子染色体变异的人工势场法和栅格法相融合的移动机器人路径规划算法.首先,对人工势场的斥力场进行改进,然后利用融
提出了一种移动自组织闷网络中基于移动Agent的多约束QoS多播路由算法．算法采用移动Agent采集网络信息，每个源节点构造一棵具有带宽和能量约束的多播树，选择节点剩余能量多的作
为了克服传统的相对幅度法在固井质量评价中识别率低下的缺点,提出了一种基于改进粒子群一小波神经网络的固井质量智能评价方法.首先在应用李亚普诺夫理论分析得到单个粒子收
根据傅里叶级数逼近理论,将正交三角函数系作为隐层神经元激励函数,合理选取这些激励函数的周期参数,构造单输入多输出（SIMO）傅里叶三角基神经网络模型.根据该网络的特点,推导
提出了一种新的基于组合特征和PSO-BP(particle swarm optimization-backpropagation)算法的数字识别方法,将网格特征、投影特征和欧拉数表示的结构特征按照不同的特征权重系数构成数字图像的组合特征向量,利用PSO-BP神经网络进行识别,充分发挥了粒子群算法的全局寻优能力和BP算法的局部搜索优势.实验表明,该方法识别率高、网络收敛速度快、精度高.
提出了一种新的综合考虑系统的输入时延和参数不确定性的广义H2/H∞混合控制器设计方法,并将其用于车辆主动悬架设计.假定作动器时延是一个已知其边界但不确定的恒定的量,且
受人工势场控制方法的启发,提出了车辆弯道机动行驶控制机制,采用了贝塞尔（Bezier）曲线车辆轨迹拟合的方法,针对车辆非完整控制系统的特征,将车辆运动学模型转换为链式系统模型
基于非线性约束的序列界无约束极小化方法,对大规模过程系统稳态优化的序列界约束极小化方法（SBCMM）进行了研究.对工程模型引进松弛变量处理后,SBCMM的罚函数仅包含等式约束的
研究了广义时滞系统的时滞相关型H。。控制问题.利用一个新构造的增广—离散化李亚普诺夫泛函并结合自由权矩阵方法,给出了使得系统正则、无脉冲、稳定且具有给定H。。性能界
提出了一种基于最小二乘支持向量机的非线性系统鲁棒自适应跟踪控制方法．该方法通过最小二乘支持向量机在线修正由于建模误差、不确定因素等引起的非线性系统逆误差，使得系统输