基于深度神经决策森林的体域网数据融合方法

• 作者: 张辉 张鑫 李昌 王杨 赵传信
• 来源期刊: 计算机应用研究
• 关键词: 体域网 数据融合 卷积神经网络 决策树 深度神经决策森林
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2329-2332
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.04.0045

摘要

针对体域网的多传感器数据采集过程中存在的数据冗余大、特征信息模糊问题,提出了一种基于深度神经决策森林(DNDF)的数据融合方法.首先根据目标任务的实际需求,使用卷积神经网络进行相关特征提取,再将决策树放置到全连接层之后进行精细化数据分类.通过使用DNDF方法,不仅能够有效提取多维数据的关键特征,而且能够较好地兼顾数据间的关联性.实验以AReM数据集作为实验样本,结果表明,DNDF方法相对其他传统算法具有更好的分类准确率,分类准确率达到了96.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵传信		47	219	8.0	13.0
2	王杨		65	291	9.0	14.0
3	张鑫		17	19	2.0	3.0
4	张辉		21	22	3.0	3.0
5	李昌		5	2	1.0	1.0