邱立达
- 作品数：13 被引量：54H指数：4
- 供职机构：闽江学院物理学与电子信息工程系更多>>
- 发文基金：国家自然科学基金福建省教育厅科技项目福州市科技计划项目更多>>
- 相关领域：自动化与计算机技术电子电信交通运输工程更多>>
- 基于自组织聚类和蚁群算法的无线传感器网络路由算法
- 2010年
- 根据无线传感网络能量受限的特点,提出一种低能耗路由算法SOC-IACO,算法由自组织聚类算法SOC和改进蚁群算法WAC组成。先通过SOC将节点分簇,选取簇头构造簇头数据链,再通过WAC构造簇内节点数据链。簇内数据沿节点数据链汇聚至簇头、簇头数据沿簇头数据链汇聚至总簇头,由总簇头发送数据至基站。实验表明,由于聚类过程中考虑了节点分布和簇负载均衡并采用双层链路由,SOC-IACO算法能大幅降低节点能耗提高网络寿命。
- 邱立达
- 关键词：无线传感器网络自组织聚类蚁群算法
- 基于蚁群算法的仿生模式识别神经网络构造方法被引量：3
- 2013年
- 仿生模式识别神经网络(BPRNN)同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度.
- 邱立达刘天键
- 关键词：蚁群算法仿生模式识别神经网络
- 具有判别能力的低秩投影字典对学习被引量：2
- 2016年
- 与传统字典学习算法相比,新的投影字典对学习(DPL)算法在字典学习过程中引入了投影字典,利用投影编码替代目标样本在字典上的稀疏编码,有效降低了模式识别算法的计算量,但是原始的DPL算法对遮挡和噪声干扰较为敏感。为了解决这一问题,提出了一种具有判别能力的低秩投影字典对学习(DLPL)算法,该算法在模型中增加了对字典的低秩约束并利用最小二乘估计法对标签样本投影编码的分类误差进行约束,待求字典和投影字典都具有封闭形式的解,通过交替优化方法进行快速求解。不同数据库中的实验结果表明,DLPL算法不仅可以改善字典在遮挡和噪声干扰下的性能,提高模式识别正确率,而且可有效缩短模型的训练时间和测试时间。
- 邱立达傅平林南张宁
- 关键词：图像处理模式识别
- 基于楼宇监控WSN网络的MHTQ路由协议
- 2011年
- 楼宇环境监控中对无线传感器网络数据传输的可靠性有较高要求,针对这一特点设计了一种轮询多跳路由协议MHTQ,MHTQ在分层组网和路由分配阶段采用多路由分配算法MRM,使得在主路由失效的情况下能通过备用路由保证传输路径畅通,在数据传输控制阶段,采用多次握手机制进行数据确认.实验表明,MHTQ能较好的满足数据可靠传输.
- 邱立达刘天键
- 关键词：无线传感网络
- 基于均值漂移的改进目标跟踪算法被引量：1
- 2015年
- 在可视化跟踪过程中目标窗经常会由于遮挡、光照、姿势等变化而发生跟踪漂移,影响目标跟踪的准确性和稳定性。为解决该问题,提出一种基于图层的离散域均值漂移算法,在离散域提取基于核的直方图作为目标模型,并对离散分区中的目标函数进行平滑以避免寻优搜索陷入局部极小值,从而提高目标跟踪性能。实验结果表明,与多示例学习算法相比,该算法的跟踪精度提高了16%,具有更好的实时性和鲁棒性。
- 刘天键邱立达张宁
- 关键词：目标跟踪均值漂移
- 基于深度学习的无线传感器网络数据融合被引量：10
- 2016年
- 在无线传感器网络数据融合算法中,BP神经网络被广泛用于节点数据的特征提取和分类。为了解决BP神经网络收敛慢、易陷入局部最优值且泛化能力差从而影响数据融合效果的问题,提出一种将深度学习技术与分簇协议相结合的数据融合算法SAESMDA。SAESMDA用基于层叠自动编码器(SAE)的深度学习模型SAESM取代BP神经网络,算法首先在汇聚节点训练SAESM并对网络分簇,接着各簇节点通过SAESM对采集数据进行特征提取,之后由簇首将分类融合后的特征发送至汇聚节点。仿真实验表明,与采用BP神经网络的BPNDA算法相比,SAESMDA在网络能耗大致相同的情况下具有更高的特征提取分类正确率。
- 邱立达刘天键傅平
- 关键词：无线传感器网络数据融合
- 电子信息类专业的《操作系统》课程内容研究
- 2012年
- 操作系统是当代计算机软件系统的核心,是计算机系统的基础和支撑。电子信息类专业的课程设置中同样需要操作系统的支持,但对操作系统课程的课时安排往往比计算机专业的课时少很多,而教学的内容要求却没有减少。本文针对这一矛盾从教学的理论内容安排和实践安排上提出一套比较可行的解决方案。
- 林贵敏邱立达李玉良陈曦曜
- 关键词：操作系统LINUX
- 改进型AdaBoost算法在车辆检测中的应用
- 2014年
- Adaboost算法通过特征选择把一组弱分类器组合成强分类器,并已成功地应用在人脸识别中.遵循Adaboost算法的基本思想,提出在联合空间进行Haar类特征的选择,并把该算法应用在车辆的检测中.使用基于联合特征空间的Adaboost算法,可以改善检测器的可靠性和快速性.实验结果表明与传统的Adaboost算法相比,可以提高分类器的目标击中率和降低虚警率.
- 刘天键邱立达张宁
- 关键词：ADABOOST算法分类器车辆检测
- 基于深度学习模型的无线传感器网络数据融合算法被引量：21
- 2014年
- 为了在无线传感器网络中提高数据融合性能,基于深度学习模型,提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA,该算法在各个簇内构建特征提取分类模型SAEM,通过SAEM对节点数据进行特征提取和分类,之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明:和BPFDA,SOFMDA算法相比,SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7.5%。
- 邱立达刘天键林南黄章超
- 关键词：无线传感器网络数据融合
- 基于稀疏滤波的无线传感器网络数据融合被引量：16
- 2015年
- 在无线传感无器网络中,为了提高数据融合算法的性能,设计了一种基于深度学习的二值化层叠稀疏滤波模型(BSSFM),BSSFM将若干稀疏滤波器层叠并对权值参数进行二值化从而能快速有效的提取高维数据特征,之后将BSSFM和分簇协议相结合提出数据融合算法BSSFMDA,BSSFMDA首先在汇聚节点逐层训练BSSFM并对网络分簇,簇节点利用BSSFM进行数据特征提取,之后簇首将分类融合后的特征发送至汇聚节点。仿真实验表明,和SOFMDA等算法相比,BSSFMDA在模型训练时间、特征提取速度、正确率以及节点能耗等方面的表现均更加优异。
- 邱立达刘天键傅平
- 关键词：无线传感器网络数据融合
