福建省教育厅科技项目(JA12263)
- 作品数：2 被引量：29H指数：2
- 相关作者：刘天键邱立达黄章超林南傅平更多>>
- 相关机构：闽江学院厦门理工学院更多>>
- 发文基金：福建省教育厅科技项目福州市科技计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于深度学习模型的无线传感器网络数据融合算法被引量：21
- 2014年
- 为了在无线传感器网络中提高数据融合性能,基于深度学习模型,提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA,该算法在各个簇内构建特征提取分类模型SAEM,通过SAEM对节点数据进行特征提取和分类,之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明:和BPFDA,SOFMDA算法相比,SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7.5%。
- 邱立达刘天键林南黄章超
- 关键词：无线传感器网络数据融合
- 基于深度学习的无线传感器网络数据融合被引量：10
- 2016年
- 在无线传感器网络数据融合算法中,BP神经网络被广泛用于节点数据的特征提取和分类。为了解决BP神经网络收敛慢、易陷入局部最优值且泛化能力差从而影响数据融合效果的问题,提出一种将深度学习技术与分簇协议相结合的数据融合算法SAESMDA。SAESMDA用基于层叠自动编码器(SAE)的深度学习模型SAESM取代BP神经网络,算法首先在汇聚节点训练SAESM并对网络分簇,接着各簇节点通过SAESM对采集数据进行特征提取,之后由簇首将分类融合后的特征发送至汇聚节点。仿真实验表明,与采用BP神经网络的BPNDA算法相比,SAESMDA在网络能耗大致相同的情况下具有更高的特征提取分类正确率。
- 邱立达刘天键傅平
- 关键词：无线传感器网络数据融合
