離散粒子群優(yōu)化算法（離散粒子群優(yōu)化算法及其應(yīng)用）

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于離散粒子群優(yōu)化算法的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

• 1、matlab神經(jīng)網(wǎng)絡(luò)目前有什么具體的實(shí)際應(yīng)用

• 2、為什么要進(jìn)行知識(shí)建模,知識(shí)建模的方法是什么?

• 3、MATLAB神經(jīng)網(wǎng)絡(luò)的目錄

• 4、無線傳感網(wǎng)絡(luò)論文（zigbee），監(jiān)測方面的

一、matlab神經(jīng)網(wǎng)絡(luò)目前有什么具體的實(shí)際應(yīng)用

MATLAB中文論壇2010年出過一本書，北航出版社的，叫《MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析 (豆瓣)》。我覺得把它作為入門書挺好的，每一章配有視頻和代碼，可以依樣畫葫蘆。剛剛順手還看到了另一本書《MATLAB智能算法30個(gè)案例分析》，看目錄貌似內(nèi)容也比較接近的。

《神經(jīng)網(wǎng)絡(luò)》包含的30個(gè)例子：

P神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——語音特征信號(hào)分類

BP神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)建模——非線性函數(shù)擬合

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)——非線性函數(shù)擬合

神經(jīng)網(wǎng)絡(luò)遺傳算法函數(shù)極值尋優(yōu)——非線性函數(shù)極值尋優(yōu)

基于BP_Adaboost的強(qiáng)分類器設(shè)計(jì)——公司財(cái)務(wù)預(yù)警建模

PID神經(jīng)元網(wǎng)絡(luò)解耦控制算法——多變量系統(tǒng)控制

RBF網(wǎng)絡(luò)的回歸——非線性函數(shù)回歸的實(shí)現(xiàn)

GRNN的數(shù)據(jù)預(yù)測——基于廣義回歸神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測

離散Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶——數(shù)字識(shí)別

離散Hopfield神經(jīng)網(wǎng)絡(luò)的分類——高?？蒲心芰υu(píng)價(jià)

連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的優(yōu)化——旅行商問題優(yōu)化計(jì)算

SVM的數(shù)據(jù)分類預(yù)測——意大利葡萄酒種類識(shí)別

SVM的參數(shù)優(yōu)化——如何更好的提升分類器的性能

SVM的回歸預(yù)測分析——上證指數(shù)開盤指數(shù)預(yù)測

SVM的信息粒化時(shí)序回歸預(yù)測——上證指數(shù)開盤指數(shù)變化趨勢(shì)和變化空間預(yù)測

自組織競爭網(wǎng)絡(luò)在模式分類中的應(yīng)用——患者癌癥發(fā)病預(yù)測

SOM神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——柴油機(jī)故障診斷

Elman神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)預(yù)測——電力負(fù)荷預(yù)測模型研究

概率神經(jīng)網(wǎng)絡(luò)的分類預(yù)測——基于PNN的變壓器故障診斷

神經(jīng)網(wǎng)絡(luò)變量篩選——基于BP的神經(jīng)網(wǎng)絡(luò)變量篩選

LVQ神經(jīng)網(wǎng)絡(luò)的分類——乳腺腫瘤診斷

LVQ神經(jīng)網(wǎng)絡(luò)的預(yù)測——人臉朝向識(shí)別

小波神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測——短時(shí)交通流量預(yù)測

模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測算法——嘉陵江水質(zhì)評(píng)價(jià)

廣義神經(jīng)網(wǎng)絡(luò)的聚類算法——網(wǎng)絡(luò)入侵聚類

粒子群優(yōu)化算法的尋優(yōu)算法——非線性函數(shù)極值尋優(yōu)

遺傳算法優(yōu)化計(jì)算——建模自變量降維

基于灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測算法研究——訂單需求預(yù)測

基于Kohonen網(wǎng)絡(luò)的聚類算法——網(wǎng)絡(luò)入侵聚類

神經(jīng)網(wǎng)絡(luò)GUI的實(shí)現(xiàn)——基于GUI的神經(jīng)網(wǎng)絡(luò)擬合、模式識(shí)別、聚類

二、為什么要進(jìn)行知識(shí)建模,知識(shí)建模的方法是什么?

1.為什么要進(jìn)行知識(shí)建模:因?yàn)橹R(shí)建模通常是知識(shí)的邏輯體系化過程,主要指應(yīng)用知識(shí)來解決各種工程問題，自動(dòng)完成工程中各種繁瑣和重復(fù)的工作。

2.知識(shí)建模的方法:

一、主成分分析

降維，找到數(shù)據(jù)中的主成分，并利用這些主成分表征原始數(shù)據(jù)，從而達(dá)到降維的目的。

1. 對(duì)樣本數(shù)據(jù)進(jìn)行中心化處理；

2. 求樣本協(xié)方差矩陣；

3. 對(duì)協(xié)方差矩陣進(jìn)行特征值分解，將特征值從大到小排列；

4. 取特征值前 n 個(gè)最大的對(duì)應(yīng)的特征向量 W1, W2, …, Wn ，這樣將原來 m 維的樣本降低到 n 維。

通過 PCA ，就可以將方差較小的特征給拋棄，這里，特征向量可以理解為坐標(biāo)轉(zhuǎn)換中新坐標(biāo)軸的方向，特征值表示在對(duì)應(yīng)特征向量上的方差，特征值越大，方差越大，信息量也就越大。這也是為什么選擇前 n 個(gè)最大的特征值對(duì)應(yīng)的特征向量，因?yàn)檫@些特征包含更多重要的信息。

PCA 是一種線性降維方法，這也是它的一個(gè)局限性。不過也有很多解決方法，比如采用核映射對(duì) PCA 進(jìn)行拓展得到核主成分分析(KPCA)，或者是采用流形映射的降維方法，比如等距映射、局部線性嵌入、拉普拉斯特征映射等，對(duì)一些 PCA 效果不好的復(fù)雜數(shù)據(jù)集進(jìn)行非線性降維操作。

二、線性判別分析：還需要一個(gè)投影方向，適合帶類別信息。

三、獨(dú)立成分分析：PCA特征轉(zhuǎn)換降維，提取的是不相關(guān)的部分，ICA獨(dú)立成分分析，獲得的是相互獨(dú)立的屬性。ICA算法本質(zhì)尋找一個(gè)線性變換 z = Wx，使得 z 的各個(gè)特征分量之間的獨(dú)立性最大。

四、隨機(jī)森林：集成思想，涉及到?jīng)Q策樹和集成學(xué)習(xí)，將若干個(gè)弱分類器的分類結(jié)果進(jìn)行投票選擇，從而組成一個(gè)強(qiáng)分類器。

隨機(jī)森林的既可以用于回歸也可以用于分類任務(wù)，并且很容易查看模型的輸入特征的相對(duì)重要性。隨機(jī)森林算法被認(rèn)為是一種非常方便且易于使用的算法，因?yàn)樗悄J(rèn)的超參數(shù)通常會(huì)產(chǎn)生一個(gè)很好的預(yù)測結(jié)果。超參數(shù)的數(shù)量也不是那么多，而且它們所代表的含義直觀易懂。隨機(jī)森林有足夠多的樹，分類器就不會(huì)產(chǎn)生過度擬合模型。由于使用大量的樹會(huì)使算法變得很慢，并且無法做到實(shí)時(shí)預(yù)測。一般而言，這些算法訓(xùn)練速度很快，預(yù)測十分緩慢。越準(zhǔn)確的預(yù)測需要越多的樹，這將導(dǎo)致模型越慢。在大多數(shù)現(xiàn)實(shí)世界的應(yīng)用中，隨機(jī)森林算法已經(jīng)足夠快，但肯定會(huì)遇到實(shí)時(shí)性要求很高的情況，那就只能首選其他方法。當(dāng)然，隨機(jī)森林是一種預(yù)測性建模工具，而不是一種描述性工具。也就是說，如果您正在尋找關(guān)于數(shù)據(jù)中關(guān)系的描述，那建議首選其他方法。

五、FP-growth算法：FP代表頻繁模式（Frequent Pattern）。

這里有幾點(diǎn)需要強(qiáng)調(diào)一下：

第一，F(xiàn)P-growth算法只能用來發(fā)現(xiàn)頻繁項(xiàng)集，不能用來尋找關(guān)聯(lián)規(guī)則。

第二，F(xiàn)P-growth算法發(fā)現(xiàn)頻繁集的效率比較高，Apriori算法要對(duì)于每個(gè)潛在的頻繁項(xiàng)集都會(huì)掃描數(shù)據(jù)集來判定是否頻繁，F(xiàn)P-growth算法只需要對(duì)數(shù)據(jù)集進(jìn)行兩次掃描。這種算法的執(zhí)行速度要快于Apriori，通常性能要好兩個(gè)數(shù)量級(jí)以上。

第三，F(xiàn)P-growth算法基于Apriori算法構(gòu)建，在完成相同任務(wù)的時(shí)候采用了一些不同技術(shù)。

發(fā)現(xiàn)頻繁項(xiàng)集的基本過程：

1、構(gòu)建FP樹

2、從FP樹中挖掘頻繁項(xiàng)集

優(yōu)點(diǎn)：一般要快于Apriori

缺點(diǎn)：實(shí)現(xiàn)比較困難，在某些數(shù)據(jù)集上性能會(huì)下降。

適用數(shù)據(jù)類型：標(biāo)稱型數(shù)據(jù)。

六、粒子群算法：優(yōu)化、最優(yōu)解

七、靈敏度分析：線性規(guī)劃問題

八、層次分析法：主要用于決策、確定權(quán)重

九、模擬退火算法：在解空間隨機(jī)尋找目標(biāo)函數(shù)的全局最優(yōu)解

十、遺傳算法：最優(yōu)解，將方程求解問題轉(zhuǎn)化為生存問題。

十一、幾種問題：

P問題：P類問題就是所有復(fù)雜度為多項(xiàng)式時(shí)間的問題的集合。

NP問題：可以在多項(xiàng)式時(shí)間內(nèi)驗(yàn)證一個(gè)解是否正確的問題稱為NP問題。（它包括P問題）

十二、機(jī)理分析法：機(jī)理分析是根據(jù)對(duì)現(xiàn)實(shí)對(duì)象特性的認(rèn)識(shí)，分析其因果關(guān)系，找出反映內(nèi)部機(jī)理的規(guī)律。機(jī)理分析建模常用：常微分方程、偏微分方程、邏輯方法、比例方法、代數(shù)方法

建立微分方程模型時(shí)應(yīng)用已知物理定律，可事半功倍。也可利用平衡與增長式微元法或者分析法。

求解常微分方程模型的常用方法：微分方程的數(shù)值解、微分方程的定性分析。

常微分方程數(shù)值解的定義：

在生產(chǎn)和科研中所處理的微分方程往往很復(fù)雜,且大多得不出一般解。而實(shí)際問題中對(duì)初值問題的求解，一般是要求得到在若干個(gè)點(diǎn)上滿足規(guī)定精確度的近似值，或者得到一個(gè)滿足精確度要求的便于計(jì)算的表達(dá)式。

建立數(shù)值解法的一些途徑：

Ø 用差商代替導(dǎo)數(shù)

Ø 使用數(shù)值積分

Ø 使用泰勒公式，以此方法為基礎(chǔ)，有龍格-庫塔法、線性多步法等方法。

Ø 數(shù)值公式的精度

歐拉法是一階公式，改進(jìn)的歐拉法是二階公式．

龍格-庫塔法有二階公式和四階公式．

線性多步法有四階亞當(dāng)斯外插公式和內(nèi)插公式．

雖然動(dòng)態(tài)過程的變化規(guī)律一般要用微分方程建立的動(dòng)態(tài)模型來描述，但是對(duì)于某些實(shí)際問題，建模的主要目的并不是要尋求動(dòng)態(tài)過程每個(gè)瞬時(shí)的性態(tài)，而是研究某種意義下穩(wěn)定狀態(tài)的特征，特別是當(dāng)時(shí)間充分長以后動(dòng)態(tài)過程的變化趨勢(shì)。譬如在什么情況下描述過程的變量會(huì)越來越接近某些確定的數(shù)值，在什么情況下又會(huì)越來越遠(yuǎn)離這些數(shù)值 而導(dǎo)致過程不穩(wěn)定。

為了分析這種穩(wěn)定與不穩(wěn)定的規(guī)律常常不需要求解微分方程，而可以利用微分方程穩(wěn)定性理論，直接研究平衡狀態(tài)的穩(wěn)定性就行了。

十三、動(dòng)態(tài)規(guī)劃： 動(dòng)態(tài)規(guī)劃是用來解決多階段決策過程最優(yōu)化的一種數(shù)量方法。其特點(diǎn)在于，它可以把一個(gè)n 維決策問題變換為幾個(gè)一維最優(yōu)化問題，從而一個(gè)一個(gè)地去解決。

需指出：動(dòng)態(tài)規(guī)劃是求解某類問題的一種方法，是考察問題的一種途徑，而不是一種算法。必須對(duì)具體問題進(jìn)行具體分析，運(yùn)用動(dòng)態(tài)規(guī)劃的原理和方法，建立相應(yīng)的模型，然后再用動(dòng)態(tài)規(guī)劃方法去求解。

多階段線性規(guī)劃典型為：1、生產(chǎn)決策問題2、機(jī)器負(fù)荷分配問題

能用動(dòng)態(tài)規(guī)劃方法求解的多階段決策過程是一類特殊的多階段決策過程，即具有無后效性的多階段決策過程。

十四、有限差分方法：有限差分法求解流動(dòng)控制方程的基本過程是：首先將求解區(qū)域劃分為差分網(wǎng)格，用有限個(gè)網(wǎng)格點(diǎn)代替連續(xù)的求解域，將待求解的流動(dòng)變量（如密度、速度等）存儲(chǔ)在各網(wǎng)格點(diǎn)上，并將偏微分方程中的微分項(xiàng)用相應(yīng)的差商代替，從而將偏微分方程轉(zhuǎn)化為代數(shù)形式的差分方程，得到含有離散點(diǎn)上的有限個(gè)未知變量的差分方程組。求出該差分方程組的解，也就得到了網(wǎng)格點(diǎn)上流動(dòng)變量的數(shù)值解。

十六、幾種特征工程技巧：

（1） 數(shù)據(jù)分箱

（2） 獨(dú)熱編碼

（3） 特征哈希

（4） 嵌套法

（5） 取對(duì)數(shù)

（6） 特征縮放與標(biāo)準(zhǔn)化

（7） 特征交互

三、MATLAB神經(jīng)網(wǎng)絡(luò)的目錄

第1章 BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——語音特征信號(hào)分類1

本案例選取了民歌、古箏、搖滾和流行四類不同音樂，用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)這四類音樂的有效分類。

第2章 BP神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)建?！蔷€性函數(shù)擬合11

本章擬合的非線性函數(shù)為y=x21+x22。

第3章 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)——非線性函數(shù)擬合21

根據(jù)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)理論，在MATLAB軟件中編程實(shí)現(xiàn)基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)擬合算法。

第4章 神經(jīng)網(wǎng)絡(luò)遺傳算法函數(shù)極值尋優(yōu)——非線性函數(shù)極值尋優(yōu)36

對(duì)于未知的非線性函數(shù)，僅通過函數(shù)的輸入輸出數(shù)據(jù)難以準(zhǔn)確尋找函數(shù)極值。這類問題可以通過神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法求解，利用神經(jīng)網(wǎng)絡(luò)的非線性擬合能力和遺傳算法的非線性尋優(yōu)能力尋找函數(shù)極值。

第5章 基于BP_Adaboost的強(qiáng)分類器設(shè)計(jì)——公司財(cái)務(wù)預(yù)警建模45

BP_Adaboost模型即把BP神經(jīng)網(wǎng)絡(luò)作為弱分類器，反復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)預(yù)測樣本輸出，通過Adaboost算法得到多個(gè)BP神經(jīng)網(wǎng)絡(luò)弱分類器組成的強(qiáng)分類器。

第6章 PID神經(jīng)元網(wǎng)絡(luò)解耦控制算法——多變量系統(tǒng)控制54

根據(jù)PID神經(jīng)元網(wǎng)絡(luò)控制器原理，在MATLAB中編程實(shí)現(xiàn)PID神經(jīng)元網(wǎng)絡(luò)控制多變量耦合系統(tǒng)。

第7章 RBF網(wǎng)絡(luò)的回歸——非線性函數(shù)回歸的實(shí)現(xiàn)65

本例用RBF網(wǎng)絡(luò)擬合未知函數(shù)，預(yù)先設(shè)定一個(gè)非線性函數(shù)，如式y(tǒng)=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函數(shù)解析式不清楚的情況下，隨機(jī)產(chǎn)生x1,x2和由這兩個(gè)變量按上式得出的y。將x1,x2作為RBF網(wǎng)絡(luò)的輸入數(shù)據(jù)，將y作為RBF網(wǎng)絡(luò)的輸出數(shù)據(jù)，分別建立近似和精確RBF網(wǎng)絡(luò)進(jìn)行回歸分析，并評(píng)價(jià)網(wǎng)絡(luò)擬合效果。

第8章 GRNN的數(shù)據(jù)預(yù)測——基于廣義回歸神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測73

根據(jù)貨運(yùn)量影響因素的分析，分別取國內(nèi)生產(chǎn)總值（GDP），工業(yè)總產(chǎn)值，鐵路運(yùn)輸線路長度，復(fù)線里程比重，公路運(yùn)輸線路長度，等級(jí)公路比重，鐵路貨車數(shù)量和民用載貨汽車數(shù)量8項(xiàng)指標(biāo)因素作為網(wǎng)絡(luò)輸入，以貨運(yùn)總量，鐵路貨運(yùn)量和公路貨運(yùn)量3項(xiàng)指標(biāo)因素作為網(wǎng)絡(luò)輸出，構(gòu)建GRNN，由于訓(xùn)練數(shù)據(jù)較少，采取交叉驗(yàn)證方法訓(xùn)練GRNN神經(jīng)網(wǎng)絡(luò)，并用循環(huán)找出最佳的SPREAD。

第9章 離散Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶——數(shù)字識(shí)別81

根據(jù)Hopfield神經(jīng)網(wǎng)絡(luò)相關(guān)知識(shí)，設(shè)計(jì)一個(gè)具有聯(lián)想記憶功能的離散型Hopfield神經(jīng)網(wǎng)絡(luò)。要求該網(wǎng)絡(luò)可以正確地識(shí)別0~9這10個(gè)數(shù)字，當(dāng)數(shù)字被一定的噪聲干擾后，仍具有較好的識(shí)別效果。

第10章 離散Hopfield神經(jīng)網(wǎng)絡(luò)的分類——高?？蒲心芰υu(píng)價(jià)90

某機(jī)構(gòu)對(duì)20所高校的科研能力進(jìn)行了調(diào)研和評(píng)價(jià)，試根據(jù)調(diào)研結(jié)果中較為重要的11個(gè)評(píng)價(jià)指標(biāo)的數(shù)據(jù)，并結(jié)合離散Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶能力，建立離散Hopfield高?？蒲心芰υu(píng)價(jià)模型。

第11章 連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的優(yōu)化——旅行商問題優(yōu)化計(jì)算100

現(xiàn)對(duì)于一個(gè)城市數(shù)量為10的TSP問題，要求設(shè)計(jì)一個(gè)可以對(duì)其進(jìn)行組合優(yōu)化的連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)模型，利用該模型可以快速地找到最優(yōu)（或近似最優(yōu)）的一條路線。

第12章 SVM的數(shù)據(jù)分類預(yù)測——意大利葡萄酒種類識(shí)別112

將這178個(gè)樣本的50%做為訓(xùn)練集,另50%做為測試集,用訓(xùn)練集對(duì)SVM進(jìn)行訓(xùn)練可以得到分類模型,再用得到的模型對(duì)測試集進(jìn)行類別標(biāo)簽預(yù)測。

第13章 SVM的參數(shù)優(yōu)化——如何更好的提升分類器的性能122

本章要解決的問題就是僅僅利用訓(xùn)練集找到分類的最佳參數(shù)，不但能夠高準(zhǔn)確率的預(yù)測訓(xùn)練集而且要合理的預(yù)測測試集，使得測試集的分類準(zhǔn)確率也維持在一個(gè)較高水平，即使得得到的SVM分類器的學(xué)習(xí)能力和推廣能力保持一個(gè)平衡，避免過學(xué)習(xí)和欠學(xué)習(xí)狀況發(fā)生。

第14章 SVM的回歸預(yù)測分析——上證指數(shù)開盤指數(shù)預(yù)測133

對(duì)上證指數(shù)從1990.12.20-2009.08.19每日的開盤數(shù)進(jìn)行回歸分析。

第15章 SVM的信息?；瘯r(shí)序回歸預(yù)測——上證指數(shù)開盤指數(shù)變化趨勢(shì)和變化空間預(yù)測141

在這個(gè)案例里面我們將利用SVM對(duì)進(jìn)行模糊信息?；蟮纳献C每日的開盤指數(shù)進(jìn)行變化趨勢(shì)和變化空間的預(yù)測。

若您對(duì)此書內(nèi)容有任何疑問，可以憑在線交流卡登錄中文論壇與作者交流。

第16章 自組織競爭網(wǎng)絡(luò)在模式分類中的應(yīng)用——患者癌癥發(fā)病預(yù)測153

本案例中給出了一個(gè)含有60個(gè)個(gè)體基因表達(dá)水平的樣本。每個(gè)樣本中測量了114個(gè)基因特征，其中前20個(gè)樣本是癌癥病人的基因表達(dá)水平的樣本(其中還可能有子類), 中間的20個(gè)樣本是正常人的基因表達(dá)信息樣本, 余下的20個(gè)樣本是待檢測的樣本(未知它們是否正常)。以下將設(shè)法找出癌癥與正常樣本在基因表達(dá)水平上的區(qū)別，建立競爭網(wǎng)絡(luò)模型去預(yù)測待檢測樣本是癌癥還是正常樣本。

第17章SOM神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——柴油機(jī)故障診斷159

本案例中給出了一個(gè)含有8個(gè)故障樣本的數(shù)據(jù)集。每個(gè)故障樣本中有8個(gè)特征，分別是前面提及過的：最大壓力(P1)、次最大壓力(P2)、波形幅度(P3)、上升沿寬度(P4)、波形寬度(P5)、最大余波的寬度(P6)、波形的面積(P7)、起噴壓力(P8)，使用SOM網(wǎng)絡(luò)進(jìn)行故障診斷。

第18章Elman神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)預(yù)測——電力負(fù)荷預(yù)測模型研究170

根據(jù)負(fù)荷的歷史數(shù)據(jù)，選定反饋神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)，來反映電力系統(tǒng)負(fù)荷運(yùn)行的內(nèi)在規(guī)律，從而達(dá)到預(yù)測未來時(shí)段負(fù)荷的目的。

第19章 概率神經(jīng)網(wǎng)絡(luò)的分類預(yù)測——基于PNN的變壓器故障診斷176

本案例在對(duì)油中溶解氣體分析法進(jìn)行深入分析后，以改良三比值法為基礎(chǔ)，建立基于概率神經(jīng)網(wǎng)絡(luò)的故障診斷模型。

第20章 神經(jīng)網(wǎng)絡(luò)變量篩選——基于BP的神經(jīng)網(wǎng)絡(luò)變量篩選183

本例將結(jié)合BP神經(jīng)網(wǎng)絡(luò)應(yīng)用平均影響值（MIV，Mean Impact Value）方法來說明如何使用神經(jīng)網(wǎng)絡(luò)來篩選變量，找到對(duì)結(jié)果有較大影響的輸入項(xiàng)，繼而實(shí)現(xiàn)使用神經(jīng)網(wǎng)絡(luò)進(jìn)行變量篩選。

第21章 LVQ神經(jīng)網(wǎng)絡(luò)的分類——乳腺腫瘤診斷188

威斯康星大學(xué)醫(yī)學(xué)院經(jīng)過多年的收集和整理，建立了一個(gè)乳腺腫瘤病灶組織的細(xì)胞核顯微圖像數(shù)據(jù)庫。數(shù)據(jù)庫中包含了細(xì)胞核圖像的10個(gè)量化特征（細(xì)胞核半徑、質(zhì)地、周長、面積、光滑性、緊密度、凹陷度、凹陷點(diǎn)數(shù)、對(duì)稱度、斷裂度），這些特征與腫瘤的性質(zhì)有密切的關(guān)系。因此，需要建立一個(gè)確定的模型來描述數(shù)據(jù)庫中各個(gè)量化特征與腫瘤性質(zhì)的關(guān)系，從而可以根據(jù)細(xì)胞核顯微圖像的量化特征診斷乳腺腫瘤是良性還是惡性。

第22章 LVQ神經(jīng)網(wǎng)絡(luò)的預(yù)測——人臉朝向識(shí)別198

現(xiàn)采集到一組人臉朝向不同角度時(shí)的圖像，圖像來自不同的10個(gè)人，每人5幅圖像，人臉的朝向分別為：左方、左前方、前方、右前方和右方。試創(chuàng)建一個(gè)LVQ神經(jīng)網(wǎng)絡(luò)，對(duì)任意給出的人臉圖像進(jìn)行朝向預(yù)測和識(shí)別。

第23章 小波神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測——短時(shí)交通流量預(yù)測208

根據(jù)小波神經(jīng)網(wǎng)絡(luò)原理在MATLAB環(huán)境中編程實(shí)現(xiàn)基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測。

第24章 模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測算法——嘉陵江水質(zhì)評(píng)價(jià)218

根據(jù)模糊神經(jīng)網(wǎng)絡(luò)原理，在MATLAB中編程實(shí)現(xiàn)基于模糊神經(jīng)網(wǎng)絡(luò)的水質(zhì)評(píng)價(jià)算法。

第25章 廣義神經(jīng)網(wǎng)絡(luò)的聚類算法——網(wǎng)絡(luò)入侵聚類229

模糊聚類雖然能夠?qū)?shù)據(jù)聚類挖掘，但是由于網(wǎng)絡(luò)入侵特征數(shù)據(jù)維數(shù)較多，不同入侵類別間的數(shù)據(jù)差別較小，不少入侵模式不能被準(zhǔn)確分類。本案例采用結(jié)合模糊聚類和廣義神經(jīng)網(wǎng)絡(luò)回歸的聚類算法對(duì)入侵?jǐn)?shù)據(jù)進(jìn)行分類。

第26章 粒子群優(yōu)化算法的尋優(yōu)算法——非線性函數(shù)極值尋優(yōu)236

根據(jù)PSO算法原理，在MATLAB中編程實(shí)現(xiàn)基于PSO算法的函數(shù)極值尋優(yōu)算法。

第27章 遺傳算法優(yōu)化計(jì)算——建模自變量降維243

在第21章中，建立模型時(shí)選用的每個(gè)樣本（即病例）數(shù)據(jù)包括10個(gè)量化特征（細(xì)胞核半徑、質(zhì)地、周長、面積、光滑性、緊密度、凹陷度、凹陷點(diǎn)數(shù)、對(duì)稱度、斷裂度）的平均值、10個(gè)量化特征的標(biāo)準(zhǔn)差和10個(gè)量化特征的最壞值（各特征的3個(gè)最大數(shù)據(jù)的平均值）共30個(gè)數(shù)據(jù)。明顯，這30個(gè)輸入自變量相互之間存在一定的關(guān)系，并非相互獨(dú)立的，因此，為了縮短建模時(shí)間、提高建模精度，有必要將30個(gè)輸入自變量中起主要影響因素的自變量篩選出來參與最終的建模。

第28章 基于灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測算法研究——訂單需求預(yù)測258

根據(jù)灰色神經(jīng)網(wǎng)絡(luò)原理，在MATLAB中編程實(shí)現(xiàn)基于灰色神經(jīng)網(wǎng)絡(luò)的訂單需求預(yù)測。

第29章 基于Kohonen網(wǎng)絡(luò)的聚類算法——網(wǎng)絡(luò)入侵聚類268

根據(jù)Kohonen網(wǎng)絡(luò)原理，在MATLAB軟件中編程實(shí)現(xiàn)基于Kohonen網(wǎng)絡(luò)的網(wǎng)絡(luò)入侵分類算法。

第30章 神經(jīng)網(wǎng)絡(luò)GUI的實(shí)現(xiàn)——基于GUI的神經(jīng)網(wǎng)絡(luò)擬合、模式識(shí)別、聚類277

為了便于使用MATLAB編程的新用戶，快速地利用神經(jīng)網(wǎng)絡(luò)解決實(shí)際問題，MATLAB提供了一個(gè)基于神經(jīng)網(wǎng)絡(luò)工具箱的圖形用戶界面?？紤]到圖形用戶界面帶來的方便和神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)擬合、模式識(shí)別、聚類各個(gè)領(lǐng)域的應(yīng)用，MATLAB R2009a提供了三種神經(jīng)網(wǎng)絡(luò)擬合工具箱（擬合工具箱/模式識(shí)別工具箱/聚類工具箱）。

四、無線傳感網(wǎng)絡(luò)論文（zigbee），監(jiān)測方面的

我進(jìn)圖書館的萬方系統(tǒng)，搜索“無線傳感”，有3814個(gè)論文，好多呀，我把前10篇題目復(fù)制一下，你看看要哪個(gè)？ [論文標(biāo)題] 無線傳感器車載自動(dòng)投放裝置及控制[英文標(biāo)題] Automatically Vehicular Launching Device and Control for Wireless Sensor[作者] 劉光 孫鳳池 苑晶 郭長波[作者單位] 南開大學(xué),軟件學(xué)院,天津,300071[作者信息] 劉光、孫鳳池、苑晶、郭長波,南開大學(xué),軟件學(xué)院,天津,300071[作者英文名] LIU Guang SUN Feng-chi YUAN Jing GUO Chang-bo[第一作者] 劉光[第一作者單位] 南開大學(xué),軟件學(xué)院,天津,300071[作者個(gè)數(shù)] 4[刊名] 自動(dòng)化與儀表[英文刊名] AUTOMATION & INSTRUMENTATION[期刊類別] TP[期刊ID] zdhyyb[核心期刊標(biāo)記] H0H00[年] 2009[卷] 24[期] 09[頁碼] 36-40[欄目名稱] 計(jì)算機(jī)應(yīng)用[欄目英文名] COMPUTER ALPPLIATIONS[分類號(hào)] TP368.1[關(guān)鍵詞] 無線傳感器 控制器 自動(dòng)投放裝置[摘要] 分析無線傳感器的應(yīng)用趨勢(shì),提出了動(dòng)態(tài)布置無限傳感器的需要,然后設(shè)計(jì)并實(shí)現(xiàn)了一種無線傳感器車栽自動(dòng)投放裝置及其控制器.詳細(xì)介紹了該自動(dòng)投放裝置的結(jié)構(gòu)、控制原理、軟硬件設(shè)計(jì)、抗干擾措施.實(shí)驗(yàn)證明該裝置具有運(yùn)行穩(wěn)定、可靠,結(jié)構(gòu)簡單等優(yōu)點(diǎn).[PDF全文] zdhyyb/zdhy2009/0909pdf/090911.pdf[URL文摘] zdhyyb/zdhy2009/0909/090911.htm[基金項(xiàng)目] 國家自然科學(xué)基金項(xiàng)目(60605021)[論文編號(hào)] 1001-9944(2009)09-0036-05[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] zdhyyb200909011[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 分布式多機(jī)器人通信仿真系統(tǒng)[英文標(biāo)題] A simulated communications system for distributed multi-robots[作者] 蔡自興 任孝平 鄒磊[作者單位] 中南大學(xué),信息科學(xué)與工程學(xué)院,湖南,長沙,410075[作者信息] 蔡自興、任孝平、鄒磊,中南大學(xué),信息科學(xué)與工程學(xué)院,湖南,長沙,410075[作者英文名] CAI Zi-xing REN Xiao-ping ZOU Lei[第一作者] 蔡自興[第一作者單位] 中南大學(xué),信息科學(xué)與工程學(xué)院,湖南,長沙,410075[作者個(gè)數(shù)] 3[刊名] 智能系統(tǒng)學(xué)報(bào)[英文刊名] CAAI TRANSACTIONS ON INTELLIGENT SYSTEMS[期刊類別] TP[期刊ID] xdkjyc[核心期刊標(biāo)記] 00000[年] 2009[卷] 4[期] 04[頁碼] 309-313[分類號(hào)] TP393.01[關(guān)鍵詞] 多機(jī)器人系統(tǒng) 仿真系統(tǒng) 通信網(wǎng)絡(luò) 連通覆蓋 虛擬力[摘要] 針對(duì)目前多機(jī)器人通信仿真系統(tǒng)較少的問題,進(jìn)行了多機(jī)器人通信仿真系統(tǒng)的設(shè)計(jì)研究.提出的多移動(dòng)機(jī)器人通信仿真系統(tǒng)設(shè)計(jì)方案,側(cè)重于反映通信網(wǎng)絡(luò)的拓?fù)渥兓闆r,以及多個(gè)機(jī)器人之間是如何進(jìn)行通信的.仿真系統(tǒng)預(yù)留了機(jī)器人控制算法的接口,便于結(jié)合機(jī)器人避碰、任務(wù)分配、連通覆蓋等進(jìn)行綜合研究.多機(jī)器人覆蓋研究是目前多移動(dòng)機(jī)器人和無線傳感器網(wǎng)絡(luò)中的一個(gè)研究熱點(diǎn), 針對(duì)這個(gè)問題,采用了虛擬力分配策略,使得多機(jī)器人在保持連通性的同時(shí)盡可能大地覆蓋某一區(qū)域,最后以六邊形覆蓋為約束條件進(jìn)行了區(qū)域覆蓋,并實(shí)現(xiàn)了該仿真系統(tǒng)的原型.實(shí)驗(yàn)表明,該仿真系統(tǒng)能準(zhǔn)確地模擬多機(jī)器人在保持相互通信的情況下,達(dá)到最大化的區(qū)域覆蓋.證實(shí)了基于虛擬力覆蓋策略的有效性.[PDF全文] xdkjyc/xdkj2009/0904pdf/090405.pdf[URL文摘] xdkjyc/xdkj2009/0904/090405.htm[基金項(xiàng)目] 國家自然科學(xué)基金資助項(xiàng)目(90820302,60805027);國家博士點(diǎn)基金資助項(xiàng)目(200805330005);湖南省院士基金資助項(xiàng)目(2009FJ4030);質(zhì)檢公益行業(yè)科研專項(xiàng)項(xiàng)目(20081002).[論文編號(hào)] 1673-4785(2009)04-0309-05[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] xdkjyc200904005[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 基于CC2420的ZigBee犯人勞作安全管理系統(tǒng)[英文標(biāo)題] ZigBee for Prisoner's Working Management System Based on CC2420[作者] 翁哲[作者單位] 武警工程學(xué)院通信工程系,陜西西安710086[作者信息] 翁哲,武警工程學(xué)院通信工程系,陜西西安710086[作者英文名] WENG Zhe[第一作者] 翁哲[第一作者單位] 武警工程學(xué)院通信工程系,陜西西安710086[作者個(gè)數(shù)] 1[刊名] 西安文理學(xué)院學(xué)報(bào)（自然科學(xué)版）[英文刊名] JOURNAL OF XI'AN UNIVERSITY OF ARTS AND SCIENCE(NATURAL SCIENCE EDITION)[期刊類別] NA[期刊ID] xajyxyxb[核心期刊標(biāo)記] 00000[年] 2009[卷] 12[期] 03[頁碼] 42-45[分類號(hào)] TN914[關(guān)鍵詞] 射頻 無線通信 CC2420 PICl8[摘要] ZigBee技術(shù)是近年來通信領(lǐng)域中的研究熱點(diǎn),具有低成本、低功耗、低速率、低復(fù)雜度的特點(diǎn)和高可靠性、組網(wǎng)簡單、靈活的優(yōu)勢(shì),被稱為無線傳感器網(wǎng)絡(luò)的國際標(biāo)準(zhǔn).鑒于犯人外出勞作或在監(jiān)區(qū)內(nèi)活動(dòng)無法有效監(jiān)控的情況,主要介紹了一種基于Zigbee技術(shù)的射頻收發(fā)芯片CC2420和以PIC18系列單片機(jī)為控制核心的犯人勞作無線安全管理系統(tǒng),對(duì)其工作原理進(jìn)行了分析,給出了設(shè)計(jì)思路和軟硬件流程設(shè)計(jì).該系統(tǒng)將可大大提高對(duì)犯人的管控.[PDF全文] xajyxyxb/xajy2009/0903pdf/090312.pdf[URL文摘] xajyxyxb/xajy2009/0903/090312.htm[論文編號(hào)] 1008-5564(2009)03-0042-04[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] xajyxyxb200903012[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 基于微粒群模型的移動(dòng)傳感器網(wǎng)絡(luò)部署研究[英文標(biāo)題] Deployment of Wireless Sensor Networks Mobile Nodes Based on Particle Swarm Optimization Model[作者] 戶曉玲 曾建潮[作者單位] 太原科技大學(xué)復(fù)雜系統(tǒng)與計(jì)算智能實(shí)驗(yàn)室,山西太原,030024[作者信息] 戶曉玲、曾建潮,太原科技大學(xué)復(fù)雜系統(tǒng)與計(jì)算智能實(shí)驗(yàn)室,山西太原,030024[作者英文名] HU Xiao-ling ZENG Jian-chao[第一作者] 戶曉玲[第一作者單位] 太原科技大學(xué)復(fù)雜系統(tǒng)與計(jì)算智能實(shí)驗(yàn)室,山西太原,030024[作者個(gè)數(shù)] 2[刊名] 計(jì)算機(jī)技術(shù)與發(fā)展[英文刊名] COMPUTER TECHNOLOGY AND DEVELOPMENT[期刊類別] TP[期刊ID] wjfz[核心期刊標(biāo)記] 00000[年] 2009[卷] 19[期] 10[頁碼] 81-84,88[欄目名稱] 智能、算法、系統(tǒng)工程[分類號(hào)] TP393[關(guān)鍵詞] 無線傳感器網(wǎng)絡(luò) 部署 微粒群算法 覆蓋盲區(qū)[摘要] 傳感器節(jié)點(diǎn)的部署是無線傳感器網(wǎng)絡(luò)中的很重要的問題,因?yàn)樗从沉藗鞲衅骶W(wǎng)絡(luò)的成本和監(jiān)視能力.為了減少傳感器節(jié)點(diǎn)部署時(shí)產(chǎn)生的覆蓋盲區(qū),提高網(wǎng)絡(luò)的覆蓋率,提出了一種新的基于微粒群模型的移動(dòng)傳感器節(jié)點(diǎn)位置優(yōu)化配置算法.該算法根據(jù)節(jié)點(diǎn)的位置信息建立節(jié)點(diǎn)部署優(yōu)化模型.利用微粒群算法求解該優(yōu)化模型,優(yōu)化過程中的最優(yōu)解作為節(jié)點(diǎn)的最終配置位置.仿真結(jié)果表明該算法最大可能地減少了網(wǎng)絡(luò)中的覆蓋盲區(qū),有效改善了網(wǎng)絡(luò)的覆蓋率.[PDF全文] wjfz/wjfz2009/0910pdf/091022.pdf[URL文摘] wjfz/wjfz2009/0910/091022.htm[基金項(xiàng)目] 國家自然科學(xué)基金資助項(xiàng)目(60674104)[論文編號(hào)] 1673-629X(2009)10-0081-04[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] wjfz200910022[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 無線傳感器網(wǎng)絡(luò)任務(wù)分配的粒子群優(yōu)化算法[英文標(biāo)題] Research on PSO Algorithm of Task Allocation in Wireless Sensor Network[作者] 陳慶枝[作者單位] 福建莆田學(xué)院電子信息工程學(xué)系,福建,莆田,351100[作者信息] 陳慶枝,福建莆田學(xué)院電子信息工程學(xué)系,福建,莆田,351100[作者英文名] CHEN Qing-zhi[第一作者] 陳慶枝[第一作者單位] 福建莆田學(xué)院電子信息工程學(xué)系,福建,莆田,351100[作者個(gè)數(shù)] 1[刊名] 蘇州科技學(xué)院學(xué)報(bào)(工程技術(shù)版)[英文刊名] JOURNAL OF UNIVERSITY OF SCIENCE AND TECHNOLOGY OF SUZHOU(ENGINEERING AND TECHNOLOGY)[期刊類別] TA[期刊ID] szcjhbxyxb[核心期刊標(biāo)記] 00000[年] 2009[卷] 22[期] 03[頁碼] 58-61,69[分類號(hào)] TP391[關(guān)鍵詞] 無線傳感器網(wǎng)絡(luò) 任務(wù)分配 粒子群優(yōu)化[摘要] 為延長網(wǎng)絡(luò)生命周期,減少網(wǎng)絡(luò)能量消耗和均衡網(wǎng)絡(luò)負(fù)載,引入了離子群優(yōu)化算法,提出了一種基于離散粒子群優(yōu)化的任務(wù)分配算法.該算法根據(jù)任務(wù)總完成時(shí)間和能量損耗,建立代價(jià)函數(shù),實(shí)現(xiàn)優(yōu)化任務(wù)分配策略.引人變異算子,很好地保持了種群的多樣性并提高了算法的全局搜索能力.仿真實(shí)驗(yàn)結(jié)果表明算法是可行的和有效的.[PDF全文] szcjhbxyxb/szcj2009/0903pdf/090315.pdf[URL文摘] szcjhbxyxb/szcj2009/0903/090315.htm[論文編號(hào)] 1672-0679(2009)03-0058-04[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] szcjhbxyxb200903015[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 無線傳感器網(wǎng)絡(luò)簇首生成算法的比較研究[英文標(biāo)題] Comparison of Cluster-head Selection Algorithms in Wireless Sensor Networks[作者] 萬潤澤 許芷巖[作者單位] 湖北第二師范學(xué)院計(jì)算機(jī)學(xué)院,武漢430205[作者信息] 萬潤澤、許芷巖,湖北第二師范學(xué)院計(jì)算機(jī)學(xué)院,武漢430205[作者英文名] WAN Run-ze XUN Zhi-yan[第一作者] 萬潤澤[第一作者單位] 湖北第二師范學(xué)院計(jì)算機(jī)學(xué)院,武漢430205[作者個(gè)數(shù)] 2[刊名] 湖北第二師范學(xué)院學(xué)報(bào)[英文刊名] JOURNAL OF HUBEI UNIVERSITY OF EDUCATION[期刊類別] GA[期刊ID] pxyyj-hbjyxyxb[核心期刊標(biāo)記] 00000[年] 2009[卷] 26[期] 08[頁碼] 24-26[欄目名稱] 基礎(chǔ)理論研究[分類號(hào)] TP393[關(guān)鍵詞] 無線傳感器網(wǎng)絡(luò) 簇首生成 比較[摘要] 在無線傳感器網(wǎng)絡(luò)中,簇首節(jié)點(diǎn)通常具有較高的能量,負(fù)責(zé)其所在區(qū)域的內(nèi)信息的處理和轉(zhuǎn)發(fā),因此簇首的選取對(duì)于網(wǎng)絡(luò)的生命周期至關(guān)重要.本文對(duì)幾種典型簇首生成算法從簇首產(chǎn)生速度、簇的形成速度、簇的維護(hù)開銷、簇的負(fù)載均衡性和算法的健壯性、擴(kuò)展性、節(jié)能性等方面做了綜合分析.[PDF全文] pxyyj-hbjyxyxb/pxyy2009/0908pdf/090811.pdf[URL文摘] pxyyj-hbjyxyxb/pxyy2009/0908/090811.htm[基金項(xiàng)目] 湖北省高校中青年科技創(chuàng)新團(tuán)隊(duì)項(xiàng)目(資助號(hào):T200904);湖北第二師范學(xué)院院管課題.[論文編號(hào)] 1674-344X(2009)08-0024-03[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] pxyyj-hbjyxyxb200908011[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 基于ZigBee的工業(yè)環(huán)境監(jiān)測網(wǎng)絡(luò)節(jié)點(diǎn)的設(shè)計(jì)[英文標(biāo)題] Design of the Industrial Environment Monitoring Network Node Based on ZigBee[作者] 郝憲鋒 劉廣孚[作者單位] 中國石油大學(xué)(華東)信息與控制工程學(xué)院,東營,257061[作者信息] 郝憲鋒、劉廣孚,中國石油大學(xué)(華東)信息與控制工程學(xué)院,東營,257061[作者英文名] HAO Xian-feng LIU Guang-fu[第一作者] 郝憲鋒[第一作者單位] 中國石油大學(xué)(華東)信息與控制工程學(xué)院,東營,257061[作者個(gè)數(shù)] 2[刊名] 科學(xué)技術(shù)與工程[英文刊名] SCIENCE TECHNOLOGY AND ENGINEERING[期刊類別] NT[期刊ID] kxjsygc[核心期刊標(biāo)記] 00H00[年] 2009[卷] 9[期] 18[頁碼] 5562-5564,5581[欄目名稱] 研究簡報(bào)[欄目英文名] Research Notes[分類號(hào)] TP393.06[關(guān)鍵詞] 環(huán)境監(jiān)測 無線傳感器網(wǎng)絡(luò) ZigBee CC2430[摘要] 介紹了Zigbee技術(shù)及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),在此基礎(chǔ)之上構(gòu)建了基于Zigbee的工業(yè)環(huán)境監(jiān)測網(wǎng)絡(luò).以CC2430芯片為核心,設(shè)計(jì)了一種應(yīng)用于工業(yè)環(huán)境監(jiān)測的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn),并詳細(xì)闡述了網(wǎng)絡(luò)節(jié)點(diǎn)中無線通信模塊和數(shù)據(jù)采集模塊的設(shè)計(jì).[PDF全文] kxjsygc/kxjs2009/0918pdf/091872.pdf[URL文摘] kxjsygc/kxjs2009/0918/091872.htm[論文編號(hào)] 1671-1819(2009)18-5562-04[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] kxjsygc200918072[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 基于虛擬柵格的無線傳感器網(wǎng)絡(luò)路由協(xié)議[英文標(biāo)題] VIRTUAL GRID BASED ROUTING PROTOCOL FOR WIRELESS SENSOR NETWORK[作者] 云春峰 王培康[作者單位] 中國科學(xué)技術(shù)大學(xué)電子工程與信息科學(xué)系,安徽,合肥,230027[作者信息] 云春峰、王培康,中國科學(xué)技術(shù)大學(xué)電子工程與信息科學(xué)系,安徽,合肥,230027[作者英文名] Yun Chunfeng Wang Peikang[第一作者] 云春峰[第一作者單位] 中國科學(xué)技術(shù)大學(xué)電子工程與信息科學(xué)系,安徽,合肥,230027[作者個(gè)數(shù)] 2[刊名] 計(jì)算機(jī)應(yīng)用與軟件[英文刊名] COMPUTER APPLICATIONS AND SOFTWARE[期刊類別] TP[期刊ID] jsjyyyrj[核心期刊標(biāo)記] H0000[年] 2009[卷] 26[期] 09[頁碼] 200-202,218[欄目名稱] 網(wǎng)絡(luò)與通信[關(guān)鍵詞] 無線傳感器網(wǎng)絡(luò) 虛擬柵格 拓?fù)淇刂?路由協(xié)議[摘要] 提出一種基于虛擬柵格的分簇路由協(xié)議.在本協(xié)議中匯聚節(jié)點(diǎn)動(dòng)態(tài)、隨機(jī)地建立虛擬柵格,同時(shí)形成簇結(jié)構(gòu);并依據(jù)剩余能量以及簇的整體能量消耗選擇簇頭.本協(xié)議不但減少了控制信息和冗余信息,而且均衡了傳感器節(jié)點(diǎn)的能量消耗.仿真的結(jié)果表明本協(xié)議是能量有效、可擴(kuò)展的無線傳感器路由協(xié)議.[PDF全文] jsjyyyrj/jsjy2009/0909pdf/090964.pdf[URL文摘] jsjyyyrj/jsjy2009/0909/090964.htm[記錄ID] jsjyyyrj200909064[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 無線傳感器網(wǎng)絡(luò)距離無關(guān)定位算法研究[英文標(biāo)題] Research on Range-free Localization Algorithm in Wireless Sensor Networks[作者] 許秀蘭[作者單位] 常熟理工學(xué)院計(jì)算機(jī)科學(xué)與工程學(xué)院,江蘇,常熟,215500[作者信息] 許秀蘭,常熟理工學(xué)院計(jì)算機(jī)科學(xué)與工程學(xué)院,江蘇,常熟,215500[作者英文名] XU Xiu-lan[第一作者] 許秀蘭[第一作者單位] 常熟理工學(xué)院計(jì)算機(jī)科學(xué)與工程學(xué)院,江蘇,常熟,215500[作者個(gè)數(shù)] 1[刊名] 計(jì)算機(jī)與現(xiàn)代化[英文刊名] COMPUTER AND MODERNIZATION[期刊類別] TP[期刊ID] jsjyxdh[核心期刊標(biāo)記] 00000[年] 2009[期] 10[頁碼] 6-9[欄目名稱] 算法與分析與設(shè)計(jì)[欄目英文名] ANALYSIS AND DESIGN OF ALGORITHM[分類號(hào)] TP301[關(guān)鍵詞] 無線傳感器網(wǎng)絡(luò) 節(jié)點(diǎn)定位 距離無關(guān)定位 定位算法 定位系統(tǒng)[摘要] 網(wǎng)絡(luò)自身定位問題是無線傳感器網(wǎng)絡(luò)的基本和重要問題之一.由于range-based定位機(jī)制的局限性,無需配置測距或測角設(shè)備,硬件成本低的距離無關(guān)定位算法被提出.根據(jù)是否有無錨節(jié)點(diǎn)來論述和比較現(xiàn)有的距離無關(guān)定位算法,提出距離無關(guān)定位算法需進(jìn)一步研究解決的問題.[PDF全文] jsjyxdh/jsjy2009/0910pdf/091003.pdf[URL文摘] jsjyxdh/jsjy2009/0910/091003.htm[論文編號(hào)] 1006-2475(2009)10-0006-04[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] jsjyxdh400910003[入庫日期] 20091124------------------------------------------[論文標(biāo)題] 一種無線傳感器網(wǎng)絡(luò)的路由異常檢測方案[英文標(biāo)題] A Scheme for Routing Anomaly Detection in Wireless Sensor Networks[作者] 宋建華[作者單位] 湖北大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院,湖北,武漢,430062[作者信息] 宋建華,湖北大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院,湖北,武漢,430062[作者英文名] SONG Jian-hua[第一作者] 宋建華[第一作者單位] 湖北大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院,湖北,武漢,430062[作者個(gè)數(shù)] 1[刊名] 湖北財(cái)經(jīng)高等?？茖W(xué)校學(xué)報(bào)[英文刊名] JOURNAL OF HUBEI COLLEGE OF FINANCE AND ECONOMICS[期刊類別] FA[期刊ID] hbcjgdzkxxxb[核心期刊標(biāo)記] 00000[年] 2009[卷] 21[期] 04[頁碼] 53-55[欄目名稱] 教育研究[分類號(hào)] TP393.08[關(guān)鍵詞] 無線傳感器網(wǎng)絡(luò) 路由攻擊 異常檢測[摘要] 路由安全問題是無線傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)之一.本文提出了一種如何將異常檢測技術(shù)應(yīng)用到無線傳感器網(wǎng)絡(luò)的路由安全中的方案.[PDF全文] hbcjgdzkxxxb/hbcj2009/0904pdf/090415.pdf[URL文摘] hbcjgdzkxxxb/hbcj2009/0904/090415.htm[基金項(xiàng)目] 國家自然科學(xué)基金(60603069);湖北省自然科學(xué)基金(21306ABA016);武漢大學(xué)軟件工程國家重點(diǎn)實(shí)驗(yàn)室開放基金(SKLSE20080709).[論文編號(hào)] 1009-170X(2009)04-0053-03[文獻(xiàn)標(biāo)識(shí)碼] A[記錄ID] hbcjgdzkxxxb200904015[入庫日期] 20091124------------------------------------------

以上就是關(guān)于離散粒子群優(yōu)化算法相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。

推薦閱讀：

離散粒子群算法（離散粒子群算法BPSO是解決有約束還是無約束問題）

離散粒子群優(yōu)化算法（離散粒子群優(yōu)化算法及其應(yīng)用）

表排行榜（表排行榜前二十名）

杭州時(shí)代電動(dòng)科技有限公司（杭州時(shí)代電動(dòng)科技有限公司招聘）