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
  • 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。