为提高无线传感器网络(WSNs)链路质量预测精度和降低噪声影响,提出了一种联合改进核FCM与智能优化SVR(improved kernel furry c-means and intelligent support vector regression,IKFCM-ISVR)的WSNs链路质量预测方案.首先将基于紧致度和离散度的有效性指数引入核FCM方法,实现样本集聚类个数自动划分;然后采用改进核FCM方法对链路质量样本数据进行处理,获得样本聚类隶属度;在此基础上,构建群居蜘蛛优化SVR预测模型,采用基于"动态折射"学习机制的群集蜘蛛对模型参数进行优化,得到不同聚类最佳SVR参数组合;最后采用IKFCM-ISVR算法对不同实验场景下的WSNs链路数据进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测精度提高了36.8~68.4%.
针对目前目标检测大多是在PC上实现的现状,设计一种低成本、小型化的动态目标检测系统。利用PI Camera V2摄像头作为视频获取的来源,将树莓派作为图像处理的平台,对视频流中运动目标及其运动方向进行检测。首先,对输入的实时视频流得到的视频帧进行图像预处理;进而,利用Cam Shift检测图像中的运动目标;最后,根据相位算法判断运动方向。实验结果表明,该系统能够实现动态目标检测的基本功能,可方便移植到移动机器人平台上,为移动机器人自主导航等提供基础。
