研究成功开发了一款基于嵌入式Linux平台的智能消防报警系统。该系统通过多传感器的协同工作,能够实时采集温度、烟雾和有毒气体的数据,并利用先进的通信技术和快速响应机制,以确保系统运行时的高效和可靠性。系统以Raspberry Pi 3 Mode...研究成功开发了一款基于嵌入式Linux平台的智能消防报警系统。该系统通过多传感器的协同工作,能够实时采集温度、烟雾和有毒气体的数据,并利用先进的通信技术和快速响应机制,以确保系统运行时的高效和可靠性。系统以Raspberry Pi 3 Model B为核心,集成了SHT31温湿度传感器、MQ-2气体传感器、ESP8266 Wi-Fi模块和SX1278Lo Ra模块,实现了多级远程报警功能。通过一系列实验,验证了该系统在传感器精度、报警响应时间、网络延迟和稳定性方面的性能。实验结果表明,即便在高负载的多任务环境下,系统依然能够保持卓越的性能,满足实时性和准确性需求,这为智能嵌入式报警系统的开发和集成提供了技术参考。展开更多
文章简要介绍了某种自发电自用电系统的风能发电特点和负载用电特性,对比提出了一种解决发电与用电矛盾的方案,并从低、中、高频响应开展仿真分析,建立数学模型。通过荷电状态(State of Charge,SOC)在不同值下的供电和用电变化进行仿真...文章简要介绍了某种自发电自用电系统的风能发电特点和负载用电特性,对比提出了一种解决发电与用电矛盾的方案,并从低、中、高频响应开展仿真分析,建立数学模型。通过荷电状态(State of Charge,SOC)在不同值下的供电和用电变化进行仿真,验证了设计的合理性和符合性,为后期实物设计提供了支撑。展开更多
针对大数据下密度聚类算法中存在的数据划分不合理、参数寻优能力不佳、并行性能较低等问题,提出一种基于IFOA的并行密度聚类算法(density-based clustering algorithm by using improve fruit fly optimization based on MapReduce,MR-...针对大数据下密度聚类算法中存在的数据划分不合理、参数寻优能力不佳、并行性能较低等问题,提出一种基于IFOA的并行密度聚类算法(density-based clustering algorithm by using improve fruit fly optimization based on MapReduce,MR-DBIFOA)。首先,该算法基于KD树,提出网格划分策略(divide gird based on KD tree,KDG)来自动划分数据网格;其次在局部聚类中,提出基于自适应搜索策略(step strategy based on knowledge learn,KLSS)和聚类判定函数(clustering criterion function,CCF)的果蝇群优化算法(improve fruit fly optimization algorithm,IFOA);然后根据IFOA进行局部聚类中最优参数的动态寻优,从而使局部聚类的聚类效果得到提升;同时结合MapReduce模型提出局部聚类算法DBIFOA(density-based clustering algorithm using IFOA);最后提出了基于QR-tree的并行合并局部簇算法(cluster merging algorithm by using MapReduce,MR-QRMEC),实现局部簇的并行合并,使算法整体的并行性能得到加强。实验表明,MR-DBIFOA在大数据下的并行效率更高,且聚类效果更好。展开更多
提出了一种基于代表性视图的三维模型检索方法。在三维模型的视图表示方面,为了充分表示模型,并减少冗余信息,首先采用光场描述符(light field descriptor,LFD)将三维模型投影成二维视图,再将二维视图采用k均值聚类算法(K-means cluster...提出了一种基于代表性视图的三维模型检索方法。在三维模型的视图表示方面,为了充分表示模型,并减少冗余信息,首先采用光场描述符(light field descriptor,LFD)将三维模型投影成二维视图,再将二维视图采用k均值聚类算法(K-means clustering algorithm,K-MEANS)进行聚类,生成代表性视图。然后采用卷积神经网络(convolutional neural network,CNN)提取视图特征并进行分类。同时提出了一种支持多种查询方式的相似度评价方法,以实现草图、图片或三维模型为输入条件的模型检索。本文在ModelNet40模型库上的实验结果表明,部分特征突出的三维模型检索的准确率可以达到100%。展开更多
文摘研究成功开发了一款基于嵌入式Linux平台的智能消防报警系统。该系统通过多传感器的协同工作,能够实时采集温度、烟雾和有毒气体的数据,并利用先进的通信技术和快速响应机制,以确保系统运行时的高效和可靠性。系统以Raspberry Pi 3 Model B为核心,集成了SHT31温湿度传感器、MQ-2气体传感器、ESP8266 Wi-Fi模块和SX1278Lo Ra模块,实现了多级远程报警功能。通过一系列实验,验证了该系统在传感器精度、报警响应时间、网络延迟和稳定性方面的性能。实验结果表明,即便在高负载的多任务环境下,系统依然能够保持卓越的性能,满足实时性和准确性需求,这为智能嵌入式报警系统的开发和集成提供了技术参考。
文摘针对大数据下密度聚类算法中存在的数据划分不合理、参数寻优能力不佳、并行性能较低等问题,提出一种基于IFOA的并行密度聚类算法(density-based clustering algorithm by using improve fruit fly optimization based on MapReduce,MR-DBIFOA)。首先,该算法基于KD树,提出网格划分策略(divide gird based on KD tree,KDG)来自动划分数据网格;其次在局部聚类中,提出基于自适应搜索策略(step strategy based on knowledge learn,KLSS)和聚类判定函数(clustering criterion function,CCF)的果蝇群优化算法(improve fruit fly optimization algorithm,IFOA);然后根据IFOA进行局部聚类中最优参数的动态寻优,从而使局部聚类的聚类效果得到提升;同时结合MapReduce模型提出局部聚类算法DBIFOA(density-based clustering algorithm using IFOA);最后提出了基于QR-tree的并行合并局部簇算法(cluster merging algorithm by using MapReduce,MR-QRMEC),实现局部簇的并行合并,使算法整体的并行性能得到加强。实验表明,MR-DBIFOA在大数据下的并行效率更高,且聚类效果更好。
