搜索资源列表
Fusion-based-Sensor-Placement
- 论文 在使用无线传感器网络进行目标检测时,如何布置尽可能少的传感器节点而同时实现高的正确检测概率和 低的误警率,是关键问题之一。采用数据融合技术,能实现传感器节点之间的协同,从而大幅提高目标检测精度。提 出了用于目标检测的精度模型,分析了数据融合半径与传感器节点密度之间的关系,设计聚类方法将目标点组织成布 置单元,从高密度单元到低密度单元布置传感器节点覆盖目标区域。仿真结果表明,算法在保证检测精度的同时能有 效减少所使用的传感器节点数目。 - Sensor placeme
huiben_v65
- 仿真效果非常好，基于人工神经网络的常用数字信号调制，有循环检测，周期性检测。- Simulation of the effect is very good, The commonly used digital signal modulation based on artificial neural network, There are cycle detection, periodic testing.
mengben_v23
- 各种资源分配算法实现，有循环检测，周期性检测，虚拟力的无线传感网络覆盖。- Various resource allocation algorithm, There are cycle detection, periodic testing, Virtual power wireless sensor network coverage.
hangping_V8.4
- 有循环检测，周期性检测，是一种双隐层反向传播神经网络，相参脉冲串复调制信号。- There are cycle detection, periodic testing, Is a two hidden layer back propagation neural network, Complex modulation coherent pulse train signal.
baipan
- 包括回归分析和概率统计，含噪脉冲信号进行相关检测,采用加权网络中节点强度和权重都是幂率分布的模型。- Including regression analysis and probability and statistics, N