一种基于贝叶斯网络的ad-hoc网络节点可信度评估方法

    公开(公告)号:CN103888967A

    公开(公告)日:2014-06-25

    申请号:CN201410081820.8

    申请日:2014-03-07

    Applicant: 宁波大学

    Abstract: 本发明公开了一种基于贝叶斯网络的ad-hoc网络节点可信度评估方法,其通过获取评估节点对目标节点的直接可信度和间接可信度,再对直接可信度和间接可信度采用加权的方式,得到评估节点对目标节点的可信度,其中直接可信度的获取是先利用在线时间、传输速度、路由转发率和剩余能量构建贝叶斯网络,然后利用贝叶斯网络根据不同的关注对象得到对应的后验概率,直接可信度为实际关注对象对应的后验概率;间接可信度来自于评估节点与目标节点的公共一跳邻居节点,当没有公共一跳邻居时间接可信度为零,这样得到的节点可信度结果的依据是节点在网络中真实的状态,这种节点可信度评估方式避免了恶意节点对网络构成威胁,同时提高了节点评估的灵活性。

    一种高维的振动信号的降维处理方法

    公开(公告)号:CN103258134A

    公开(公告)日:2013-08-21

    申请号:CN201310177877.3

    申请日:2013-05-14

    Applicant: 宁波大学

    Abstract: 本发明公开了一种高维的振动信号的降维处理方法,其通过计算信号与信号之间的欧氏距离获得信号的近邻矩阵,再根据信号的近邻矩阵,并利用稀疏约束条件获得信号的重构权值矩阵,最后利用信号的重构权值矩阵获得降维后的振动信号,降维过程简单;其在利用稀疏约束条件获得信号的重构权值矩阵的过程中,在稀疏约束条件中引入了L1范数,使得重构权值矩阵具有很好地稀疏性,有效地剔除了噪声点的影响,提高了抗噪声能力,从而保障了本发明方法的鲁棒性;其在最后获取降维后的振动信号时,是求解一个稀疏、对称、半正定的矩阵的特征向量,因此可以降低本发明方法的计算复杂度。

    一种网络质量评价方法
    13.
    发明授权

    公开(公告)号:CN102055613B

    公开(公告)日:2012-12-26

    申请号:CN201010586531.5

    申请日:2010-12-13

    Applicant: 宁波大学

    Abstract: 本发明公开了一种网络质量评价方法,优点在于服务器中预设的主观和客观神经网络分别利用主观和客观评价数据进行自适应学习,得到主观和客观综合评价数据,然后主观和客观神经网络利用主观和客观综合评价数据进行共振学习,使得主观和客观综合评价数据相互影响,得到主客观综合评价结构,再在客户端利用该主客观综合评价结构获取对当前网络质量的主客观综合评价数据,这种评价方法将用户对网络的感知引入网络质量评价中,避免了单纯考虑网络性能指标情况下缺乏对不同网络应用、不同网络覆盖区的差异性分析,降低了单独地主观或客观评价的不确定性,实现了网络质量的全面、综合评价,提高了评价准确度,为各种网络应用、用户感知提供了有力依据。

    一种仿生柔性移动式光学成像装置

    公开(公告)号:CN111552070B

    公开(公告)日:2021-11-23

    申请号:CN202010312572.9

    申请日:2020-04-20

    Applicant: 宁波大学

    Abstract: 本发明公开了一种仿生柔性移动式光学成像装置,包括仿生柔性光学装置、旋转机构及移动底盘。仿生柔性光学装置利用柔性透镜、光学液体、玻璃透镜作为主要屈光介质,在成像过程中,超声波直线电机通过活塞挤压液体使柔性透镜的外表面发生形变,进而改变柔性透镜的焦距,协同调节两块柔性透镜的焦距即可实现装置的连续聚焦调节。旋转机构和移动底盘,具有相机姿态控制和运动控制功能,可实现整个装置多方位、多角度的观测。本发明具有结构紧凑小巧、光轴稳定、观测范围大、可双轴旋转移动的特点,可应用于各种现代光学成像装置中。

    一种基于稀疏重构最优化算法的信号包络线提取方法

    公开(公告)号:CN108491563A

    公开(公告)日:2018-09-04

    申请号:CN201810086678.4

    申请日:2018-01-30

    Applicant: 宁波大学

    Abstract: 本发明公开了一种基于稀疏重构最优化算法的信号包络线提取方法,其采用了基于粒子群稀疏重构最优化算法,将改变DCT基的频带宽度的变化因子作为基于粒子群稀疏重构最优化算法中的每个粒子的属性,通过多次迭代获得上包络线全局最优位置和下包络线全局最优位置,对应作为用于改变粒子确定的上包络线获取过程所需的DCT基的频带宽度的变化因子和用于改变粒子确定的下包络线获取过程所需的DCT基的频带宽度的变化因子,进而得到最适合上包络线变化趋势的最佳DCT基和最适合下包络线变化趋势的最佳DCT基,最终自适应地提取出最佳上包络线和最佳下包络线,提高了上包络线和下包络线的提取精度,同时提高了上包络线和下包络线提取的抗噪性能。

    一种基于排队论的中继路由休眠时间预估方法

    公开(公告)号:CN105517135B

    公开(公告)日:2018-08-31

    申请号:CN201511022902.6

    申请日:2015-12-31

    Applicant: 宁波大学

    CPC classification number: Y02D70/10

    Abstract: 本发明公开了一种基于排队论的中继路由休眠时间预估方法,其先确定排队论模型;然后确定工作周期内中继路由服务的数据包的总数和中继路由服务一个数据包的时间;接着计算排队论模型中的平均到达率、平均服务率和服务强度;再计算排队论模型中的服务台没有顾客可以服务的概率、平均顾客数、顾客有效到达率、顾客的平均逗留时间;最后根据顾客的平均逗留时间、工作周期内中继路由的工作时间以及终端节点初始化时间得到中继路由和终端节点的最佳休眠时间;优点是由排队论模型确定中继路由和终端节点的最佳休眠时间来降低无线传感器网络的能耗,不但比现有的低功耗技术更加简单和稳定,而且能极大地降低中继路由和终端节点的能耗来延长系统的寿命。

    一种基于稀疏复原的信号包络线提取方法

    公开(公告)号:CN104504181B

    公开(公告)日:2017-06-16

    申请号:CN201410751425.6

    申请日:2014-12-10

    Applicant: 宁波大学

    Abstract: 本发明公开了一种基于稀疏复原的信号包络线提取方法,其先找出待提取包络线的信号中的所有极大值点和所有极小值点,对应构成极大值点向量和极小值点向量;然后构建一个DCT基,从DCT基中提取出行号与每个极大值点的下标一致的每行元素构成一个矩阵,并从DCT基中提取出行号与每个极小值点的下标一致的每行元素构成一个矩阵;接着将极大值点向量作为观测向量、对应的矩阵作为感知矩阵获取上包络线,并将极小值点向量作为观测向量、对应的矩阵作为感知矩阵获取下包络线;最后根据上包络线和下包络线各自的平滑度,并结合DCT基的带宽的变化因子获取最佳上包络线和最佳下包络线;优点是不仅能够有效地提高包络线的精度,而且能够有效地抑制端点效应。

    一种粘性阻尼振动信号中的模态参数提取方法

    公开(公告)号:CN106225914A

    公开(公告)日:2016-12-14

    申请号:CN201610547068.0

    申请日:2016-07-11

    Applicant: 宁波大学

    CPC classification number: G01H17/00 G01M99/00 G06F17/16

    Abstract: 本发明公开了一种粘性阻尼振动信号中的模态参数提取方法,其通过选用较大的系统阶次的初始值,利用稀疏优化OMP算法计算状态矩阵,之后对可观矩阵中的每一行都运用OMP算法计算输出矩阵,并对所有的输出矩阵求取均值,较大程度上减少了噪声对结果的影响,从而提高了本发明方法的消噪能力和识别精度;然后计算固有频率、固有阻尼比和固有模态振型系数,并运用K-means算法从众多模态参数中选出有效模态参数,来消除虚假模态,从而大大消弱了系统阶次对模态参数提取精度的影响。

    一种基于非负矩阵分解的手机图像特征提取方法

    公开(公告)号:CN103679715B

    公开(公告)日:2016-08-17

    申请号:CN201310651941.7

    申请日:2013-12-05

    Applicant: 宁波大学

    Abstract: 本发明公开了一种基于非负矩阵分解的手机图像特征提取方法,特点是包括以下步骤:①获取用于表示手机任意一个主功能的界面图片,在该界面图片上截取多幅用于表示主功能的不同子功能的特征子图并进行预处理,得到对应的预处理后的尺寸大小一致的图像,然后将每幅预处理后的图像按列扫描形成一个M维的列向量,接着将所有预处理后的图像对应的列向量按序排列构成一个待分解矩阵V;②对V进行稀疏非负矩阵分解,得到一个基矩阵W和一个系数矩阵H;优点是通过对预处理后的图像进行稀疏非负矩阵分解,降低了数据计算量,分解得到的矩阵是具有合适的稀疏性的稀疏矩阵,因此在保留数据的主要特征的基础上能够减少储存空间并提高运算效率。

    基于径向基函数神经网络的单位脉冲响应函数提取方法

    公开(公告)号:CN104598971A

    公开(公告)日:2015-05-06

    申请号:CN201510019708.6

    申请日:2015-01-15

    Applicant: 宁波大学

    Abstract: 本发明公开了一种基于径向基函数神经网络的单位脉冲响应函数提取方法,其在求解隐层权值矩阵的过程中,先将隐层权值矩阵进行稀疏表示,然后设定稀疏度,并利用正交匹配追踪OMP算法求解得到隐层权值矩阵在二维离散余弦变换下的稀疏系数矩阵,再根据稀疏系数矩阵得到隐层权值矩阵,这个过程相比利用最小二乘法求逆来得到权值矩阵的方法,不会出现奇异矩阵,并且在较强噪声下也能准确地提取出单位脉冲响应函数,鲁棒性更好,可以有效地提高网络的泛化能力,减小误差;此外,这个过程中利用了正交匹配追踪OMP算法,可以有效地提高本发明方法的运算速度,而且可以有效地提高本发明方法的计算精度。

Patent Agency Ranking