基于深度学习的无线传感器网络数据融合

• 作者: 傅平 刘天键 邱立达
• 来源期刊: 计算机应用研究
• 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）: 2016,（1）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 185-188
• 页数: 4页
• 分类号: TN915|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.01.043

摘要

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。

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	傅平	闽江学院物理学与电子信息工程系	37	106	5.0	9.0