导读:本文包含了自适应半径论文开题报告文献综述及选题提纲参考文献，主要关键词:无线传感器网络,分簇组网,能耗均衡,环形网络
自适应半径论文文献综述
秦宁宁,张伟杰[1]（2019）在《异质传感网中基于自适应簇半径的高效组网算法》一文中研究指出针对分簇组网过程中节点能耗不均、能量利用效率低以及网络的生命周期较短等问题,面向具有随机异质特性的传感器网络,论文为解决该问题,提出了一种基于自适应簇半径的高效组网算法ARCN(Adaptive Radius Cluster-Networking algorithm)。随机异质节点以能量及可达邻居节点的密度作为簇首选举的标准;定义以能量和分环位置为指引的簇内架构,实现兼顾节点自身剩余能量和通信消耗能量下的择优入簇和传输路径。分布式的工作模式保证了簇首分布的均匀,数据中心Sink附近通信模式的调整,能避免能量塌陷。通过与其他3种异构化改进配置的分簇算法的性能对比,ARCN在能量利用率、节点和网络整体寿命的稳定性方面,均表现出较为明显的优势。(本文来源于《传感技术学报》期刊2019年08期）
秦佳睿,徐蔚鸿,马红华,曾水玲[2]（2018）在《自适应局部半径的DBSCAN聚类算法》一文中研究指出经典的基于密度的聚类方法 DBSCAN算法需要指定邻域半径和最小数据点阈值两个基本参数.这两个参数的确定对聚类结果的影响非常大.目前缺少有效的参数选择确定方法,同时DBSCAN算法在聚类过程中,使用统一的邻域半径参数,使得密度不均匀集上的聚类质量不高.本文提出一种自适应选择局部半径的密度聚类算法(SALE-DBSCAN),通过确定密度峰值点,自适应选择聚类的局部邻域半径,简化了参数选择的过程;通过使用自适应选择的局部邻域半径扩张密度峰值点的邻域进行聚类,提高了聚类结果质量.实验结果表明,本SALE-DBSCAN算法相较其他密度聚类算法的聚类结果更加准确.(本文来源于《小型微型计算机系统》期刊2018年10期）
王航星,潘巍[3]（2019）在《基于自适应吸引半径的萤火虫算法的粒子滤波》一文中研究指出针对粒子滤波算法对粒子数目的大量需求等弊端,提出一种基于改进的萤火虫算法的粒子滤波。首先,在萤火虫的亮度公式中引入观测值信息以提高算法跟踪的准确性;其次,提出自适应吸引半径参数来控制萤火虫群寻优时的吸引范围,使算法的实时性更好;最终利用萤火虫算法的迭代寻优来进行粒子更新。对比实验表明,该算法在跟踪精度和运行时间上都有所优化,说明该算法即使在粒子数目较少的条件下也能保证目标跟踪的准确性和实时性。(本文来源于《计算机应用研究》期刊2019年12期）
王帅发[4]（2018）在《自适应偏好半径划分区域的偏好多目标进化算法研究》一文中研究指出在实际生活中,很多问题往往是复杂性较高、目标维数较多,并且是非线性的优化问题。当这种问题不能用传统的方法获得用户满意的解时,随机搜索的进化算法,尤其是多目标进化算法能够较好的获得决策者满意的解。多目标进化算法不同于一般的随机搜索算法,采用精英保留机制让优秀的解迭代出更加优秀的解。因此,多目标进化算法受到研究者的重视程度越来越高。随着多目标进化算法研究的推进,人们发现通常并不需要获得整个Pareto最优面,而是需要Pareto最优面上的一个解或一部分解集,正因如此,偏好多目标进化算法逐渐进入研究者的视野。偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法。目前,在以参考点位置作为偏好信息载体的偏好多目标进化算法中,不合适的参考点位置往往会严重影响算法的收敛性能,偏好区域的大小难以控制,在高维问题上效果较差。针对以上问题,本文通过计算基于种群的自适应偏好半径,利用自适应偏好半径构造一种新的偏好关系模型,通过对偏好区域进行划分,提出基于偏好区域划分的偏好多目标进化算法。将本文提出的算法与四种常用的以参考点为偏好信息载体的多目标进化算法g-NSGA-II、r-NSGA-II、角度偏好算法、MOEA/D-PRE进行对比实验,结果表明,本文提出的算法具有较好的收敛性能和分布性能,决策者可以控制偏好区域大小,在高维问题上也具有较好的收敛效果。(本文来源于《湘潭大学》期刊2018-05-04）
赵峰,杨春曦,陈飞,黄凌云,谈诚[5]（2018）在《自适应搜索半径蚁群动态路径规划算法》一文中研究指出针对用于路径规划的蚁群算法收敛速度慢、计算量大、对环境变化适应性低的局限性,提出了一种新型的自适应搜索半径蚁群路径规划算法。该算法可以根据环境复杂程度自动改变寻优半径,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点。仿真结果表明,提出的算法能够根据障碍分布情况自动选择合适的搜索半径,完成路径的动态规划,体现出良好的环境适应能力和较好的综合路径优化性能。(本文来源于《计算机工程与应用》期刊2018年19期）
余修武,胡沐芳,刘永,郭倩[6]（2018）在《多半径误差修正自适应布谷鸟优化DV-HOP定位算法》一文中研究指出针对WSN节点定位中非测距DV-HOP算法存在较大定位误差,提出了一种多通信半径误差修正自适应布谷鸟优化DV-HOP定位算法(MEACS-D).采用锚节点多通信半径广播消息,在跳数计数时将跳数小数化,以减小跳数长短不一造成的误差;再用虚拟相交圆几何方法计算1跳内节点与锚节的距离;通过在未知节点选择平均跳距时,加入各个锚节点权重进行计算来减少平均跳距误差;另引入可自适应搜索步长的布谷鸟算法代替极大似然估计法来定位节点坐标,以提高定位精度.通过仿真,在不同锚节点、通信半径、总节点条件下MEACS-D算法较DV-HOP算法和原布谷鸟DV-HOP算法(CS-D)算法定位误差平均下降39.7%、10.6%,证明MEACS-D算法能有效减少定位误差.(本文来源于《西南交通大学学报》期刊2018年06期）
郭和炀,刘俊如,赵汉理[7]（2017）在《基于自适应中值滤波半径的纹理滤波算法》一文中研究指出图像纹理滤波在保持图像中的显着结构信息的同时有效地过滤图像中的纹理信息。传统的纹理滤波方法很难平衡好复杂纹理过滤能力和结构边界特征保持能力之间的效果。提出一种改进地基于方向的相对总变差模型来描述图像中的纹理特征尺度,可以有效地区分纹理特征和结构边界。基于最大-最小图像栈方法计算出图像中各个像素的自适应中值滤波半径,并运用自适应中值滤波生成一幅引导图像。基于引导图像对输入图像做联合双边滤波操作获得结构保持的纹理滤波图像。实验对比数据证明该算法既能有效地平滑纹理细节信息,也能有效地保持显着结构特征。(本文来源于《现代计算机(专业版)》期刊2017年36期）
刘鹏,王明阳,王焱[8]（2016）在《基于自适应动态球半径的k邻域搜索算法》一文中研究指出针对大规模离散点云搜索k邻域速度慢的问题,提出了一种新的搜索k邻域算法,该算法根据不同点附近点云密度给出一个合适的点的k邻域动态球半径,且动态球半径是随着所求点周围点云的密度而自适应的。从离散点云分块大小和采样密度方面对算法的可行性和效率进行了实验验证,结果显示,运用该算法求取每个点的k邻域所用的搜索时间更短,效率更高。(本文来源于《机械设计与制造工程》期刊2016年06期）
雷凯茹,赵海,朱宏博,朴春鹤[9]（2015）在《基于导向半径参数自适应的数字抠图算法》一文中研究指出针对利用导向滤波算法对目标图像抠图时,参数需要根据不同图像进行人为设定的问题,本文提出了一种比传统SVM更易于实现而且效率更高的隐藏的支持向量机LSVM(Latent Support Vector Machine)算法分类器自动设定参数潜在半径的数字图像抠图优化算法。该方法首先应用LSVM潜在性的思想,利用已知数据库模板对输入目标图像的样本集进行训练,实现不同半径对图像的分块判定,从而能够自动产生合理参数。最后结合导向图像和二值图像,利用导向滤波器对图像进行抠图,最终实现抠图算法的智能化和灵活化。(本文来源于《第十二届沈阳科学学术年会论文集（理工农医）》期刊2015-09-16）
张婧,刘衍珩,张晋东,孙庚[10]（2016）在《无线传感器网络簇半径自适应调整策略》一文中研究指出首先,基于节点的剩余能量对节点簇半径进行周期性调整,将网络划分为大小非均匀的若干簇。其次,设计了簇头选举策略,使得网络中簇头分布更加合理,提升簇头节点能量利用率,均衡节点的能耗。实验结果表明:与UCR算法和CUCRA算法相比,本文提出的算法将网络生命周期分别延长了55.2%和38.2%,同时具有较低的传输延时。(本文来源于《吉林大学学报(工学版)》期刊2016年03期）
自适应半径论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
经典的基于密度的聚类方法 DBSCAN算法需要指定邻域半径和最小数据点阈值两个基本参数.这两个参数的确定对聚类结果的影响非常大.目前缺少有效的参数选择确定方法,同时DBSCAN算法在聚类过程中,使用统一的邻域半径参数,使得密度不均匀集上的聚类质量不高.本文提出一种自适应选择局部半径的密度聚类算法(SALE-DBSCAN),通过确定密度峰值点,自适应选择聚类的局部邻域半径,简化了参数选择的过程;通过使用自适应选择的局部邻域半径扩张密度峰值点的邻域进行聚类,提高了聚类结果质量.实验结果表明,本SALE-DBSCAN算法相较其他密度聚类算法的聚类结果更加准确.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应半径论文参考文献
[1].秦宁宁,张伟杰.异质传感网中基于自适应簇半径的高效组网算法[J].传感技术学报.2019
[2].秦佳睿,徐蔚鸿,马红华,曾水玲.自适应局部半径的DBSCAN聚类算法[J].小型微型计算机系统.2018
[3].王航星,潘巍.基于自适应吸引半径的萤火虫算法的粒子滤波[J].计算机应用研究.2019
[4].王帅发.自适应偏好半径划分区域的偏好多目标进化算法研究[D].湘潭大学.2018
[5].赵峰,杨春曦,陈飞,黄凌云,谈诚.自适应搜索半径蚁群动态路径规划算法[J].计算机工程与应用.2018
[6].余修武,胡沐芳,刘永,郭倩.多半径误差修正自适应布谷鸟优化DV-HOP定位算法[J].西南交通大学学报.2018
[7].郭和炀,刘俊如,赵汉理.基于自适应中值滤波半径的纹理滤波算法[J].现代计算机(专业版).2017
[8].刘鹏,王明阳,王焱.基于自适应动态球半径的k邻域搜索算法[J].机械设计与制造工程.2016
[9].雷凯茹,赵海,朱宏博,朴春鹤.基于导向半径参数自适应的数字抠图算法[C].第十二届沈阳科学学术年会论文集（理工农医）.2015
[10].张婧,刘衍珩,张晋东,孙庚.无线传感器网络簇半径自适应调整策略[J].吉林大学学报(工学版).2016