《无线传感器网络中极限学习机回归优化预测模型》PDF+DOC
作者:洪伟,郭昆,郭文忠
单位:中国科学院沈阳计算技术研究所
出版:《小型微型计算机系统》2016年第11期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFXXWX2016110190
DOC编号:DOCXXWX2016110199
下载格式:PDF + Word/doc 文字可复制、可编辑
《蚁群算法在传感器网络数据融合中的应用》PDF+DOC2012年第11期 吴昊,刘金刚
《基于小波分析和PSO-LSSVM的无线传感器网络数据预测》PDF+DOC2012年第11期 张楠,董海鹰
《无线传感器网络DoS攻击的一种探测方法》PDF+DOC2009年第03期 于琳,杨韶华
《一种无线传感器网络异常检测技术研究》PDF+DOC2007年第08期 周贤伟,王培,覃伯平,申吉红
《传感器网络中过滤机制下高效top-k查询处理技术》PDF+DOC2014年第01期 张慧,郑吉平,韩秋廷
《基于灰色预测的无线传感器网络数据融合算法》PDF+DOC2016年第06期 梁青,朱婷
《农用无线传感器网络低功耗休眠算法应用研究》PDF+DOC2015年第01期 高霞,袁明波,饶頔,李勇
《无线传感器网络数据融合技术与展望》PDF+DOC2017年第08期 石鲁生,朱慧博
《无线传感器网络多路径簇头链分簇式路由算法》PDF+DOC2008年第06期 吴迪,胡钢,倪刚,张卓,李威
《基于矢量的无线传感器网络节点定位综合算法》PDF+DOC2008年第11期 王驭风,王岩
数据融合是无线传感器网络中减少节点能量消耗的一个基本方法.在基于预测的时域数据融合中,通过对传感器节点采集的时间序列数据进行分析,建立能够反映时间序列中所包含的动态依存关系的数学模型,从而减少节点间冗余数据的传输.本文引入流行学习中局部线性重构的思想,结合改进的极限学习机(Extreme Learning Machine),提出KNN-PSOELM数据预测模型.首先运用K近邻的方法对输入样本点进行局部线性重构,然后采用粒子群优化算法(Particle Swarm Optimization)改进极限学习机回归方法产生最优的初始参数.优化之后的模型不仅使得原始非线性传感器数据具有线性的特征,而且避免由异常数据样本引起的病态隐层输出矩阵,提高了模型的预测精度和泛化能力.实验结果表明了算法的有效性。
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。