|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
/ l4 d8 W/ ^# k' H# j
摘要: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 键路质量预测方案.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SVH参效组合;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,同其他预测算法相比，该算法预测精度提高了36.8~68.4% .) Y, {" W+ u, W6 q/ t2 k& V+ `3 M
* a* U" B j m关键词:链路质量预测;核模糊C-均值聚类;支持向量回归(SVR);群居蜘蛛优化
- M9 P) Z9 c) B* t& f
w' {+ N k9 Z: d$ w 随着嵌入式计算技术、分布式信息处理技术、传感器技术的发展成熟,无线传感器网络( Wireless SensorNetworks , WSNs)在危险品监测、追踪定位、战场环境感知等领域得到了广泛应用.WSNs内部署了大量传感器节点,节点间以无线电射频多跳方式相互通信.链路作为节点互连通信的最基本元素,良好的链路质量对于路由协议设计、网络拓扑结构控制等具有重要意义.- ~5 C9 ]) k0 s1 d, M9 l( x; B l
m$ _; X6 J, a
& W" Y; a/ Y' G* h- G# \) X+ B6 G
9 Q9 u/ p% K. Q9 @ i/ @1 r0 u9 f1 w/ M- M) r3 z
3 S Z' c) X5 o
* m4 K4 M3 P9 B2 H0 W* Q' i' r
|
|
/1 
发表于 2021-4-12 09:57
收藏
淘帖
支持！
反对！