期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于LEACH的低能耗路由协议研究 预览
1
作者 刘芬 叶明全 +2 位作者 陈希 孙成浩 郭鸿飞 《阜阳师范学院学报:自然科学版》 2019年第1期50-55,共6页
本文基于LEACH协议提出一种改进的路由协议N-LEACH,调整了节点竞选簇头的阈值函数T(n),引入加权函数cost完成簇的构造过程,在簇构造过程中实现节点的认证,并通过多跳机制建立簇头节点与基站之间的路由。仿真结果表明本文提出的改进协议N... 本文基于LEACH协议提出一种改进的路由协议N-LEACH,调整了节点竞选簇头的阈值函数T(n),引入加权函数cost完成簇的构造过程,在簇构造过程中实现节点的认证,并通过多跳机制建立簇头节点与基站之间的路由。仿真结果表明本文提出的改进协议N-LEACH与传统的LEACH协议相比较好地实现了网络的负载均衡,延长了节点与网络的寿命,提高了网络的安全性。 展开更多
关键词 异构传感网 LEACH 阈值函数 加权函数 多跳
在线阅读 免费下载
WSN中基于公钥体制的轻量级密钥管理方案 预览
2
作者 刘芬 叶明全 +3 位作者 郭鸿飞 陈希 孙成浩 王培培 《安庆师范大学学报:自然科学版》 2019年第3期30-35,44共7页
设计安全、可靠的密钥管理方案和协议是无线传感器网络安全最为重要、最为基本的研究领域。文中采用密钥协商建立节点间的会话密钥,通过更新簇密钥实现会话密钥的实时更新,提出一种基于椭圆曲线密码体制(ECC)的轻量级密钥管理方案(LWKM... 设计安全、可靠的密钥管理方案和协议是无线传感器网络安全最为重要、最为基本的研究领域。文中采用密钥协商建立节点间的会话密钥,通过更新簇密钥实现会话密钥的实时更新,提出一种基于椭圆曲线密码体制(ECC)的轻量级密钥管理方案(LWKM)。仿真结果表明,与传统的密钥管理方案相比,LWKM方案具有更高的网络连通性、可扩展性和安全性及更低的资源开销。 展开更多
关键词 无线传感器网络 ECC 轻量级 密钥协商 簇密钥
在线阅读 免费下载
医学院校移动教学App的设计与实现 预览
3
作者 卢小杰 李家良 +1 位作者 孙同喜 汪严生 《电脑知识与技术:学术版》 2019年第8Z期46-48,共3页
医学院校“大学计算机基础”课程是不可或缺的通识课,为了改进传统授课方法,利用学生碎片化学习时间,应设计一种针对医学院校移动教学App。对App进行了总体设计、数据库设计、详细功能设计以及实现等,最终把设计的App进行推广使用,能够... 医学院校“大学计算机基础”课程是不可或缺的通识课,为了改进传统授课方法,利用学生碎片化学习时间,应设计一种针对医学院校移动教学App。对App进行了总体设计、数据库设计、详细功能设计以及实现等,最终把设计的App进行推广使用,能够有效地提供学生学习效率。 展开更多
关键词 新工科 数据结构 医学信息 项目驱动 实验考核
在线阅读 下载PDF
基于对称不确定性和邻域粗糙集的肿瘤分类信息基因选择 预览 被引量:1
4
作者 叶明全 高凌云 +2 位作者 伍长荣 黄道斌 胡学钢 《数据采集与处理》 CSCD 北大核心 2018年第3期426-435,共10页
基因表达谱中信息基因选择是有效建立肿瘤分类模型的关键问题。肿瘤基因表达谱具有高维小样本、噪声大且存在大量无关和冗余基因等特点。为了获得基因数量尽可能少而分类能力尽可能强的一组信息基因,提出一种基于对称不确定性和邻域粗... 基因表达谱中信息基因选择是有效建立肿瘤分类模型的关键问题。肿瘤基因表达谱具有高维小样本、噪声大且存在大量无关和冗余基因等特点。为了获得基因数量尽可能少而分类能力尽可能强的一组信息基因,提出一种基于对称不确定性和邻域粗糙集的肿瘤分类信息基因选择SUNRS方法。首先利用对称不确定性指标评估信息基因的重要度,以剔除大量无关和冗余基因,获取信息基因的候选子集;然后利用邻域粗糙集约简算法对信息基因候选子集进行寻优,获得信息基因的目标子集。实验结果表明,SUNRS方法能够用较少的信息基因获得更高的分类精度,从而既能改善算法的泛化性能,又能提高时间效率。 展开更多
关键词 基因表达谱 邻域粗糙集 对称不确定性 特征选择 肿瘤分类
在线阅读 下载PDF
基于人工蜂群和SVM的基因表达数据分类 被引量:1
5
作者 叶明全 高凌云 万春圆 《山东大学学报:工学版》 北大核心 2018年第3期10-16,共7页
基因表达数据存在高维、小样本、高噪声等特性,使得相应的肿瘤分类诊断面临着一定的挑战。为了实现更加精确的分类准确率,利用人工蜂群(artificial bee colony,ABC)算法对支持向量机(support vector machine,SVM)的核函数参数和惩... 基因表达数据存在高维、小样本、高噪声等特性,使得相应的肿瘤分类诊断面临着一定的挑战。为了实现更加精确的分类准确率,利用人工蜂群(artificial bee colony,ABC)算法对支持向量机(support vector machine,SVM)的核函数参数和惩罚因子进行优化,采用准确率作为分类模型的适应度函数,提出一种基于ABC和SVM的基因表达数据分类方法 ABC-SVM。在6种公开的肿瘤基因表达数据集上进行试验,并对比分析其他的分类方法。结果表明,在筛选得到的较少信息基因基础上,ABC-SVM可获得更高的肿瘤分类准确率,对肿瘤样本类型进行更有效的分类预测。 展开更多
关键词 人工蜂群 支持向量机 基因表达数据 智能优化 肿瘤分类 生物信息学
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈