基于深度学习模型的无线传感器网络数据融合算法?

• 作者: 刘天键 林南 邱立达 黄章超
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 无线传感器网络 数据融合 深度学习 自动编码器
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 无线传感器技术
• 页码范围: 1704-1709
• 页数: 6页
• 分类号: TP393
• 字数: 3617字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2014.12.022

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%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱立达	闽江学院物理学与电子信息工程系	16	89	4.0	9.0
2	刘天键	闽江学院物理学与电子信息工程系	13	97	5.0	9.0
3	林南	闽江学院物理学与电子信息工程系	13	55	3.0	7.0
4	黄章超	厦门理工学院光电与通信工程学院	1	41	1.0	1.0