|
|
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
1 L- Z+ }2 r+ k8 n/ M( [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% .. d( S# w3 Z' m4 f
/ [0 Q0 } u( T: K2 P1 E& ?
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0 Z: M; D, {/ o( T1 o: t5 L- \
. s& B/ \. N J7 d: C
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./ R- u5 J- Q/ y
- Q" z2 e) ~5 p J$ r1 Z2 {
4 B% |: P- i4 k; t8 J$ o2 X
% c( U5 i+ E9 S# o
& g, S" \1 `5 e B2 Q
. N) [& |2 L& ?, O" T& ~; y6 g- F8 D
; B ^' k% K* m4 l$ I
|
|
/1 
发表于 2021-4-12 09:57
收藏
淘帖
支持！
反对！