注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 大学生毕业论文之无线传感器网络定位仿真研究

  2. 综合上面的比较可以得出，在锚节点均匀分布的情况下，质心算法在未知节点分布不是成规则的网格布置时，节点相互之间就不能构成多边形，定位误差会增大很多，变化很明显。

  3. 所属分类：其它

    • 发布日期：2010-06-16
    • 文件大小：2048
    • 提供者：ltllitailong

  1. 无线传感器网络节点定位算法研究MATLAB

  2. 综合上面的比较可以得出，在锚节点随机分布的情况下，当锚节点的比例不断增大时，可定位的节点比例变化不大，始终约等于1，这说明： DV-Hop算法对锚节点比例的要求比质心算法的要求要小的多；另一方面，DV-Hop算法的定位准确性也比质心算法好的多。

  3. 所属分类：其它

    • 发布日期：2010-06-17
    • 文件大小：2048
    • 提供者：ltllitailong

  1. 关于wsn 的质心定位算法matlab仿真

  2. 质 心 定 位 matlab 源 代 码，供 初 学 者 使 用 ！clear all,clc; for n=6:2:14 x=100*rand(1,100); %布置10m*10m的网格区域 y=100*rand(1,100); w=100*rand(1,n); z=100*rand(1,n); plot(x,y,'b*',w,z,'rO') axis([0 100 0 100]) grid on;

  3. 所属分类：网络监控

    • 发布日期：2011-05-06
    • 文件大小：2048
    • 提供者：xinghu2010

  1. 改进型灰度质心实时算法研究 文献PDF

  2. 改进型灰度质心实时算法研究 史少龙 ， 尹达一 (1． 中国科学 院上海技术物理研究所 ， 上海 200083； 2． 中国科学院大学 ， 北京 100049 )

  3. 所属分类：C++

    • 发布日期：2018-03-22
    • 文件大小：415744
    • 提供者：zhugeyexi

  1. 灰度图像质心快速算法.pdf

  2. 对矩因子xpyq做差分变换为函数F1(),将图像函数f(x,y)做累进求和变换为函数F2()1用F1()和F2() 相乘求取质心1由于0阶和1阶矩因子中的p,q不大于1,经差分后的F1()除右端点外,其值都为1,乘1的运算当 然可以不做,从而消去了乘法运算1对任意大小和任意级别的灰度图像,乘除法运算次数仅为3次,而加法运算次数 也有降低1文中算法计算结果精确,其运算效率高于已有其他算法1

  3. 所属分类：其它

    • 发布日期：2019-05-19
    • 文件大小：118784
    • 提供者：drjiachen

  1. 煤矿井下节点合作加权质心定位算法

  2. 针对煤矿井下长距离巷道内人员定位信号存在衰减大、定位精度低的问题,提出了一种节点合作加权质心定位算法。该算法在ZigBee通信环境下,通过参数寻优思想在长距离巷道内人员定位时选择近距离虚拟参考节点(已定位的未知节点)与参考节点合作使用,利用改进的小区域三角形加权质心定位算法对未知节点进行初始定位,然后通过坐标修正确定未知节点的位置。仿真与实验结果表明,利用参考节点与虚拟参考节点合作定位,减少了远距离参考节点的使用,可以解决因距离远导致的信号衰减大的问题,提高了井下人员定位的精度;该算法的平均定位

  3. 所属分类：其它

    • 发布日期：2020-05-06
    • 文件大小：342016
    • 提供者：weixin_38706782

  1. 基于改进高斯混合滤波的矿井加权质心定位算法

  2. 针对煤矿井下复杂环境中无线信号的非视距传播导致RSSI定位算法存在测距误差大及定位结果不准确的问题，提出了一种基于改进高斯混合滤波的矿井加权质心定位算法。首先根据最大期望算法对未知节点的相应RSSI测量数据进行聚类，将它们划分为多个高斯概率密度函数模型；然后根据数据特征，利用赤池信息量准则对采样数据进行优化，得到精确的测量值；最后计算未知节点的初始坐标，将未知节点初始坐标和真实坐标间的误差值作为权值因子，结合质心定位算法计算得到未知节点的最终坐标，实现目标定位。仿真与实验结果表明，该定位算法可实

  3. 所属分类：其它

    • 发布日期：2020-04-18
    • 文件大小：751616
    • 提供者：weixin_38653878

  1. 基于线性回归的无线传感器网络加权质心定位算法

  2. 在建立定位算法求解数学模型和定位性能的基础上,提出一种基于线性回归的加权质心定位算法。该算法首先利用节点之间的跳数对质心定位算法进行加权处理、中心化处理,然后利用线性回归的数学模型对节点进行校正,最后对校正位置进行修正。通过Matlab程序仿真,与原始质心算法相比,改进算法的平均定位误差下降了50%以上,并且在信标节点密度较低的情况下,可使节点定位比率提高至接近1。

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：322560
    • 提供者：weixin_38607552

  1. C语言中K-means算法实现代码

  2. K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。 算法过程如下： 1）从N个样本随机选取K个样本作为质心 2）对剩余的每个样本测量其到每个质心的距离，并把它归到最近的质心的类 3）重新计算已经得到的各个类的质心 4）迭代2～3步直至新的质心与原质心相等或小于指定阈值，算法结束 #include #include #include #inclu

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：84992
    • 提供者：weixin_38655682

  1. python实现k-means聚类算法

  2. k-means聚类算法 k-means是发现给定数据集的k个簇的算法，也就是将数据集聚合为k类的算法。 算法过程如下： 1）从N个文档随机选取K个文档作为质心 2）对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类，我们一般取欧几里得距离 3）重新计算已经得到的各个类的质心 4）迭代步骤（2）、（3）直至新的质心与原质心相等或迭代次数大于指定阈值，算法结束 算法实现 随机初始化k个质心，用dict保存质心的值以及被聚类到该簇中的所有data。 def initCent(dat

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：74752
    • 提供者：weixin_38645434

  1. Python聚类算法之基本K均值实例详解

  2. 本文实例讲述了Python聚类算法之基本K均值运算技巧。分享给大家供大家参考，具体如下： 基本K均值 ：选择 K 个初始质心，其中 K 是用户指定的参数，即所期望的簇的个数。每次循环中，每个点被指派到最近的质心，指派到同一个质心的点集构成一个。然后，根据指派到簇的点，更新每个簇的质心。重复指派和更新操作，直到质心不发生明显的变化。 # scoding=utf-8 import pylab as pl points = [[int(eachpoint.split("#")[0]), int(ea

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：63488
    • 提供者：weixin_38535221

  1. python中实现k-means聚类算法详解

  2. 算法优缺点： 优点：容易实现 缺点：可能收敛到局部最小值，在大规模数据集上收敛较慢 使用数据类型：数值型数据 算法思想 k-means算法实际上就是通过计算不同样本间的距离来判断他们的相近关系的，相近的就会放到同一个类别中去。 1.首先我们需要选择一个k值，也就是我们希望把数据分成多少类，这里k值的选择对结果的影响很大，Ng的课说的选择方法有两种一种是elbow method，简单的说就是根据聚类的结果和k的函数关系判断k为多少的时候效果最好。另一种则是根据具体的需求确定，比如说进行衬衫尺寸

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：256000
    • 提供者：weixin_38651450

  1. 聚类算法：K-means聚类图像分割

  2. 1 K-Means聚类 K-Means聚类是最常用的聚类算法，最初起源于信号处理，其目标是将数据点划分为K个类簇，找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解，运算速度较快，缺点是只能应用于连续型数据，并且要在聚类前指定聚集的类簇数。 下面是K-Means聚类算法的分析流程，步骤如下： 第一步，确定K值，即将数据集聚集成K个类簇或小组。 第二步，从数据集中随机选择K个数据点作为质心（Centroid）或数据中心。 第三步，分别计算每个点到每个质心之间的距离，并将每个点划分到

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：159744
    • 提供者：weixin_38639642

  1. Kalman滤波算法在高精度星点定位中的应用

  2. 空间巡天相机稳像系统的控制精度要求高，对导航星传感器提出了更高的要求。为提高导航星传感器的精度和带宽，提出了一种采用预测开窗和Kalman滤波相结合的星点定位方法。利用陀螺测量的三轴角速度信息，推导建立星点粗位置预测方程，得到星点的粗位置，在CMOS探测器上以预测点为中心的较小邻域范围内开窗，可提高运算速度。利用Kalman滤波算法对星点位置进行校正，最终得到高精度的星点位置。仿真实验结果表明，相比于传统的质心法，平均每帧图像处理时间从59 ms减少到27 ms，定位结果的标准差从0.1 pix

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：2097152
    • 提供者：weixin_38745925

  1. 数据科学家必须要掌握的5种聚类算法

  2. K-Means可能是最知名的聚类算法，没有之一。在很多介绍性的数据科学和机器学习课程中，都有讲授该算法。并且该算法的代码很容易理解和实现！你可以通过看下面的插图来理解它。K均值聚类1、首先，我们选择一些要使用的类/组，并随机初始化他们各自的中心点（质心）。要计算出簇（类）的使用数量，最好的方法是快速查看一下数据并尝试鉴别有多少不同的分组。中心点是一个矢量，它到每个数据点的矢量长度相同，在上图中用“X”来表示。2、每个数据点通过计算该点与每个簇中心之间的距离来进行分类，根据最小距离，将该点分类到对

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：390144
    • 提供者：weixin_38560107

  1. 超分辨成像中荧光分子定位算法性能比较

  2. 超分辨成像已成为活细胞结构和功能成像的关键工具, 荧光分子定位是超分辨成像过程中不可缺少的步骤。从超分辨成像角度研究各种荧光分子定位算法性能具有重要的意义。选择5种典型的荧光分子定位算法: 质心法、广义质心法、高斯拟合、解线性方程组和极大似然法, 以定位精度和定位时间来评价所选择算法的性能。结果表明, 1) 高斯拟合、极大似然法和广义质心法能高精度对荧光分子定位, 不受荧光分子所在子区域提取的影响; 2) 质心法和解线性方程组法能应用于图像在线分析, 但定位精度较低, 受子区域提取影响较大; 3

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：888832
    • 提供者：weixin_38660359

  1. 迭代加权质心法机理及多星定位误差特性研究

  2. 提高星敏感器星点定位精度是高精度星敏感器关键技术之一。常规质心法和高斯拟合法定位最小均方误差在0.1 pixel左右，难以满足未来高精度定位需求。在自适应光学领域，为研究Shack-Hartmann传感器波前定位而提出的迭代加权质心算法(IWCOG)，其定位误差优于前两种算法，但目前该算法的定位机理及多星定位误差特性未知。从Meanshift 理论角度推出该算法定位机制，证明算法的收敛性；每个仿真采用蒙特卡罗方法随机生成10000个星点样本，通过分析星点参数、信噪比与定位误差的关系研究IWCOG

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：6291456
    • 提供者：weixin_38696336

  1. 计算扩展目标夏克-哈特曼波前传感器子图像偏移量的相关函数质心法研究

  2. 扩展目标夏克-哈特曼波前传感器子图像之间偏移量的计算是影响波前传感精度的关键, 通常采用相关算法来实现, 并通过抛物线插值等方法来达到亚像元精度。子图像相对偏移量的计算也可以采用计算相关函数质心的方法来实现, 其主要步骤是先计算子图像间的相关函数, 在此基础上计算相关函数的质心, 达到亚像元精度。通过仿真研究表明这种算法的精度与进行相关运算时的图像大小、计算质心时的相关函数窗口大小以及相关函数阈值的设定有关; 同时, 图像的信噪比也会影响算法的精度。研究表明, 图像的信噪比小于1时, 质心算法的

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：9437184
    • 提供者：weixin_38660058

  1. 基于互相关卷积与高阶矩质心计算的布里渊散射谱特征提取

  2. 针对目前布里渊光时域分析(BOTDA)分布式光纤传感系统存在的实时性较差的问题, 为了缩短测量时间, 提出一种基于互相关卷积与高阶矩质心计算相结合的布里渊散射谱特征提取方法。首先将布里渊散射谱沿光纤的扫频数据与理想Lorentz曲线作互相关卷积, 然后利用卷积结果峰值附近的理想Lorentz线型特征进行高阶矩质心提取, 并将提取结果作为布里渊频移(BFS)的估计值; 其次, 搭建1.5 km的瑞利BOTDA温度传感系统对所提算法进行可行性验证。结果表明: 不同于常用的Lorentz拟合(LCF)

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：11534336
    • 提供者：weixin_38590355

  1. 数据科学家必须要掌握的5种聚类算法

  2. K-Means可能是最知名的聚类算法，没有之一。在很多介绍性的数据科学和机器学习课程中，都有讲授该算法。并且该算法的代码很容易理解和实现！你可以通过看下面的插图来理解它。 K均值聚类1、首先，我们选择一些要使用的类/组，并随机初始化他们各自的中心点（质心）。要计算出簇（类）的使用数量，最好的方法是快速查看一下数据并尝试鉴别有多少不同的分组。中心点是一个矢量，它到每个数据点的矢量长度相同，在上图中用“X”来表示。2、每个数据点通过计算该点与每个簇中心之间的距离来进行分类，根据最小

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：390144
    • 提供者：weixin_38637665
« 12 3 »