《基于支持向量机的无线传感器网络节点定位算法》PDF+DOC
作者:毛科技,范聪玲,叶飞,王鹏,陈庆章
单位:中国科学院计算技术研究所;中国计算机学会
出版:《计算机研究与发展》2014年第11期
页数:10页 (PDF与DOC格式可能不同)
PDF编号:PDFJFYZ2014110080
DOC编号:DOCJFYZ2014110089
下载格式:PDF + Word/doc 文字可复制、可编辑
《无线传感网络节点定位算法综述》PDF+DOC2012年第01期 杨军
《无线传感器网络节点定位误差的修正和仿真分析》PDF+DOC2015年第06期 龙启福
《基于连通度和加权校正的移动节点定位算法》PDF+DOC2015年第23期 侯华,施朝兴
《一种改进的无线传感器网络节点定位算法》PDF+DOC2010年第11期 史洪宇
《基于多信标的无线传感器网络节点定位算法》PDF+DOC2010年第07期 魏雅川,梁彦,陈延军,程咏梅,王凯
《无线传感器网络分布式节点定位算法研究》PDF+DOC2009年第22期 贺远华,黎洪生,胡冰
《浅析基于TOA/TDOA的无线传感器网络节点定位算法》PDF+DOC2009年第02期 罗敏
《一种无线传感器网络节点定位算法的改进》PDF+DOC2009年第03期 付华,胡冰
《基于移动信标节点的无线传感器网络定位算法研究》PDF+DOC2008年第05期 董齐芬,冯远静,俞立
《无线传感器网络DV-Hop节点定位改进算法》PDF+DOC2014年第05期 刘志坤,刘洋,刘忠,杨露菁
机器学习是利用经验来改善自身性能的一种学习方法,而支持向量机(support vector machine,SVM)作为机器学习中的一种新模式,在解决小样本、非线性及高维模式识别等方面有着其特有的优势.基于支持向量机的节点定位算法利用机器学习算法的特性,实现无线传感网络节点定位.其基本思路是将网络区域划分为若干个等分的小格,每一小格代表机器学习算法中一个确定的类别,机器学习算法在学习了已知的信标节点对应的类别后,对未知节点所处位置进行分类,从而进一步确定未知节点的位置坐标.仿真实验表明,“一对一”节点定位算法有较高的定位精度,对测距误差的容忍性较好,同时对信标节点的比例要求并不高,比较适合用于信标节点稀疏的网络环境中;而“决策树”节点定位算法受覆盖空洞的影响并不大,比较适合应用于节点分布不均匀或者存在覆盖空洞的网络环境中。
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。