基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

基于LEACH协议的动态轮时间算法——LEACH-DRT

为延长无线传感器网络(WSN)的生存时间,针对低功耗自适应集簇分层(LEACH)协议中分簇不均匀和轮时间固定的问题,提出了一种基于LEACH协议的动态轮时间(LEACH-DRT)算法。通过基站获取簇和簇内成员节点信息,根据簇内成员节点数和簇内剩余能量计算出各簇的轮时间,并由基站将时间信息发送至各簇,各簇按接收到的时间信息进行工作。同时,利用新的簇头选取机制,避免了因簇头节点能量不足导致的数据丢失和成员节点的无谓消耗。分析和仿真结果表明,改进后的算法比LEACH协议延长了约4倍的网络生存时间,数据丢失率降低了约18%,在均衡网络能量消耗和降低数据丢失率方面取得了较好的应用效果。     

一种能量均衡的无线传感器网络迭代路由算法

针对Dijkstra算法在GAF协议下导致“热区”负载分布不均的问题,提出一种基于Dijkstra算法的能量均衡迭代路由算法（IRBE）。算法根据“热区”各网格的剩余能量,生成一个理想负载量表,并通过迭代路由算法优化路由,实现实际负载表与理想负载表的趋同。分析和仿真结果表明,改进后的算法有效均衡了“热区”节点间的剩余能量,相较于GAF-Dijkstra算法（GAF-D）,一定程度上延长了网络寿命。     

面向排序学习的层次聚类特征选择算法

大型搜索系统对用户查询的快速响应尤为必要,同时在计算候选文档的特征相关性时,必须遵守严格的后端延迟约束。通过特征选择,提高了机器学习的效率。针对排序学习中快速特征选择的起点多为单一排序效果最好的特征的特点,首先提出了一种用层次聚类法生成特征选择起点的算法,并将该算法应用于已有的2种快速特征选择中。除此之外,还提出了一种充分利用聚类特征的新方法来处理特征选择。在2个标准数据集上的实验表明,该算法既可以在不影响精度的情况下获得较小的特征子集,也可以在中等子集上获得最佳的排序精度。     

军用航空器的光纤智能结构分析

军用航空器为光纤智能结构技术的应用提供了极好的机会。文章分析了军用航空器的生存能力与支持能力，讨论光纤智能结构应用于军用航空器的实例，最后展望了光纤智能结构技术在军用航空器中的应用前景。