联合改进核FCM与智能优化SVR的WSNs链路质量预测

• 作者: 刘洲洲 张筱 李士宁 郭文强
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 链路质量预测 核模糊C-均值聚类 支持向量回归(SVR) 群居蜘蛛优化
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 90-97
• 页数: 8页
• 分类号: TP393
• 字数: 5831字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.01.013

摘要

为提高无线传感器网络(WSNs)链路质量预测精度和降低噪声影响,提出了一种联合改进核FCM与智能优化SVR (improved kernel furry c-means and intelligent support vector regression,IKFCM-ISVR)的WSNs链路质量预测方案.首先将基于紧致度和离散度的有效性指数引入核FCM方法,实现样本集聚类个数自动划分;然后采用改进核FCM方法对链路质量样本数据进行处理,获得样本聚类隶属度;在此基础上,构建群居蜘蛛优化SVR预测模型,采用基于“动态折射”学习机制的群集蜘蛛对模型参数进行优化,得到不同聚类最佳SVR参数组合;最后采用IKFCM-ISVR算法对不同实验场景下的WSNs链路数据进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测精度提高了36.8 ～ 68.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘洲洲	西安航空学院电子工程学院	84	250	9.0	11.0
3	郭文强	陕西科技大学电气与信息工程学院	45	214	7.0	12.0
4	李士宁	西北工业大学计算机学院	61	650	12.0	23.0
7	张筱	陕西科技大学电气与信息工程学院	5	10	3.0	3.0