科创中国

基于深度学习模型的无线传感器网络数据融合算法?

原文链接：万方

• 作者：

  邱立达,刘天键,林南,黄章超

• 摘要：

  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%。

• 关键词：

  无线传感器网络 数据融合 深度学习 自动编码器

• 作者单位：

  闽江学院物理学与电子信息工程系,福州,350108%厦门理工学院光电与通信工程学院,福建 厦门,361024

• 基金项目：

  福建省教育厅科技项目(JA12263)%福州市科技计划项目(2013-G-86)

• 来源期刊：

  传感技术学报

• 年，卷(期)：

  2014012