|
|
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
# H, z; x. m1 L% G3 f" Q# W/ ?5 _
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) y0 ]8 ~: k5 w1 L
1 \2 N1 I4 ]+ I B. F9 Q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
! A7 ]" [$ k5 i: o! q' A3 v1 d9 \
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.
/ O% |- {5 n" B0 r% Y$ y5 S, P3 d" T; }
; |0 R9 X/ Z: B1 j4 V2 N( ~* D5 R! S+ c, a
- J: C$ |; u; G9 v
/ D5 a) _0 l! r' s7 o7 T4 m! {, I7 r8 y: A0 Z4 l
|
|
/1 
发表于 2021-4-12 09:57
收藏
淘帖
支持！
反对！