《基于改进K-means算法的WSN簇头节点数据融合》PDF+DOC
作者:高红菊,刘艳哲,陈莎
单位:中国农业机械学会;中国农业机械化科学研究院
出版:《农业机械学报》2015年第S1期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFNYJX2015S10270
DOC编号:DOCNYJX2015S10279
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于数据融合的无线传感器网络林火监控算法》PDF+DOC2015年第11期 刘永星,赵涓涓,常晓敏
《WSN数据融合的自适应一致滤波算法的研究》PDF+DOC2015年第21期 袁春艳
《基于K-means聚类的安全高效的数据聚集算法》PDF+DOC2016年第05期 古奋飞,王涛春
《WSN中一种改进的目标跟踪方法》PDF+DOC2012年第04期 寿向晨,杜嘉迪
《WSN数据融合中的隐私保护技术研究》PDF+DOC2012年第15期 许建,杨庚,陈正宇,王海勇,杨震
《一种基于预测的WSN非均衡分簇路由算法》PDF+DOC2010年第08期 李捷,韩志杰
《基于PEGASIS的改进型WSN路由协议》PDF+DOC2010年第19期 陈慧娜,唐明浩
《一种基于ARMA的WSN非均衡分簇路由算法》PDF+DOC2010年第04期 韩志杰,王汝传,凡高娟,肖甫
《基于便利因子的WSN簇生成算法》PDF+DOC2010年第05期 高景菊,刘玉华,朱龙泉,李玉玲
《一种均衡时延和精确性的自适应融合算法研究》PDF+DOC2014年第11期 张长森,闵杰
无线传感器网络数据融合能够减少节点能耗、延长网络生命周期,近年来受到了广泛关注。已有的应用于农业监测的空间数据融合算法多采用取平均值等方法将一定区域内监测到的数据融合成一个值。而农田环境监测具有监测范围广、监测点多、监测数据量大的特点,监测数据间除了冗余性还具有差异性,因此数据融合应该在消除冗余的同时保留数据的差异。针对农业监测的这一特点,提出在簇头节点应用聚类算法进行空间数据融合,通过聚类减少数据发送量,降低能耗;同时将差异较大的参量聚类到不同类别中以保留数据间的差异。此外,还提出了一种应用于WSN簇头节点的自适应改进K-means聚类算法,仿真结果表明,所提算法融合后的数据上传量比没有融合减少41.19%,消除了数据冗余;算法融合前后最大误差低于取平均值法误差的36%,保留了数据差异性。在没有明确误差要求时,该算法能够在尽量减少数据上传量的同时保持相对误差低于10%,避免了因聚类个数不当引起的巨大误差。而在有具体误差要求时,该算法融合前后的绝对误差严格低于要求误差。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。